基于Python知识图谱的疾病知识问答系统源码+数据集+详细文档（高分毕业设计）.zip

## Project description * 本项目在[liuhuanyong/QASystemOnMedicalKG](https://github.com/liuhuanyong/QASystemOnMedicalKG)基础上改进 * 完善代码（增加、删除部分逻辑），部分代码重构 * 完善数据爬取脚本(原代码好像有些问题) * **增加可视化部分** * **如果觉得有帮助，给个star吧** ## KGQA Design ### 1.实体类型 | 实体类型 | 中文含义 | 实体数量 | 举例 | | ---------- | -------- | -------- | ----------- | | Disease | 疾病 | 8792 | 感冒 | | Department | 科室 | 54 | 内科 | | Check | 检查项目 | 3342 | 血常规 | | Drug | 治疗药品 | 1204 | 布洛芬片 | | Food | 食物 | 4854 | 蜂蜜 | | Symptom | 症状 | 6556 | 腹腔积血 | | Total | 总计 | 24802 | 约2.5万实体 | ### 2.实体关系三元组 * <Disease,belongs_to,Department> **疾病所属科室** * <Disease,inspection_item,Check> **疾病检查项目** * <Disease,common_drug,Drug> **疾病常用药物** * <Disease,has_symptom,Symptom> **疾病症状** * <Disease,good_food,Food> **疾病宜吃食物** * <Disease,avoid_food,Food> **疾病忌吃食物** * <Disease,recommand_recipes,Food> **推荐食谱** * <Disease,has_complication,Symptom> **疾病并发症** ### 3.实体关系信息 | 实体关系类型 | 中文含义 | 关系数量 | 举例 | | ----------------- | -------- | -------- | --------------------------------------------- | | belongs_to | 属于 | 8784 | <哮喘,belongs_to,内科> | | common_drug | 常用药物 | 13477 | <小儿肺炎，common_drug，小儿肺热平胶囊> | | good_food | 宜吃食物 | 34221 | <胸椎骨折,good_food,黑鱼> | | avoid_food | 忌吃食物 | 34215 | <感冒,avoid_food,猪油> | | check_item | 检查项目 | 39098 | <肾结石,check_item，尿液颜色> | | recommand_recipes | 推荐食谱 | 39663 | <肝病,recommand_recipes,芝麻小米粥> | | has_complication | 并发症 | 19151 | <痔疮,has_complication,直肠癌> | | has_symptom | 疾病症状 | 58398 | <冠心病,has_symptom,心慌；呼吸困难；心力衰竭> | | Total | 总计 | 247,007 | 近25万实体关系 | ### 4.疾病（中心）节点介绍 | 属性类型 | 中文含义 | 举例 | | ------------------ | ------------ | -------------------------------------------------------- | | name | 疾病名称 | 感冒 | | desc | 疾病描述 | 发热伴寒战；咽痛；流鼻涕 | | cause | 疾病病因 | 当有受凉，淋雨，过度疲劳 | | prevent | 预防措施 | 补充维生素E、维生素C | | treat_cycle | 治疗周期 | 7-14天 | | treat_way | 治疗方式 | 感冒可以尝试如下治疗：对症治疗;中医治疗;支持性治疗 | | cure_prob | 治愈概率 | 97% | | susceptible_people | 易感人群 | 无特定人群 | | medical_insurance | 是否医保疾病 | 未知 | | transmission_way | 传染方式 | 呼吸道传播 | | treat_cost | 治疗费用 | 根据不同医院，收费标准不一致，市三甲医院约（500-1000元） | | nursing | 护理方法 | 日常护理xxx | ### 5.可解决的问题类型 | question_type | 问题类型 | 举例 | | -------------------------- | ---------------------- | ---------------------- | | disease_symptom | 已知疾病查看症状 | 小儿肺炎有什么症状 | | symptom_disease | 已知症状查看可能的疾病 | 最近老是流鼻涕怎么办 | | disease_cause | 疾病原因 | 总是失眠是什么原因 | | disease_complication | 疾病并发症 | 感冒有哪些并发症 | | disease_drug | 疾病常用药物 | 白内障一般吃什么药 | | drug_disease | 药物能治疗啥疾病 | 阿莫西林胶囊能治疗啥 | | disease_avoid_food | 疾病忌口 | 肝病不能吃什么 | | disease_good_food | 疾病宜吃 | 肺结核吃什么好 | | food_avoid_disease | 什么疾病不能吃的食物 | 什么人最好不要吃蜂蜜 | | food_good_disease | 食物适合哪些人吃 | 腰果适合哪些人吃 | | disease_check | 疾病检查项目 | 怎么查出来是不是脑膜炎 | | check_disease | 已知检查找疾病 | 血常规能查出来啥病 | | disease_prevent | 疾病预防方法 | 怎么样才能防止肾虚 | | disease_treat_way | 疾病治疗方法 | 高血压要怎么治 | | disease_cure_prob | 疾病治愈概率 | 肺结核能治好吗 | | disease_susceptible_people | 疾病易感人群 | 什么人容易得高血压？ | | disease_department | 疾病去哪个科室 | 痔疮属于哪个科室的 | | disease_treat_cost | 疾病治疗费用 | 治疗肾结石要多少钱 | | disease_medical_insurance | 某病是医保疾病吗 | 肾结石是医保疾病吗 | | disease_treat_cycle | 某疾病的治疗周期 | 感冒要多久才能好 | | disease_desc | 疾病概述 | 抑郁症 | ### 6.实现思路 * **图谱构建** * 数据爬取 * 数据预处理 * 实体类型构建 * 关系类型构建 * 创建neo4j数据库 * 知识图谱可视化 * **问答系统** * 自然语言查询（Question Query） * 意图识别(Intention Recognition) * 实体识别（Entity Recognition） * 实体链接(Entity Linking)[目前未实现] <!-- * 关系识别(Relation Detection) --> * 查询语句构建(Query Construction) * 返回查询结果(Return Answering) ### 7.关键技术方法 * **数据获取** * scrapy-spider ： 普通的页面解析或分布式爬虫（防止中断数据丢失） * 数据存储：redis、mongodb等 * **实体识别** * **目前采用的方法** * 根据提取的领域关键词，基于trie树构建快速查询AC Tree。 * 用AC Tree对输入的自然语言问句,匹配潜在的关键词，作为候选实体 * **其他方法弊端（针对此项目）** * 因为缺乏大量领域监督数据，无法基于现有的热门方法BiLSTM+CRF训练模型进行识别。 * HanLP等平台的工具基本都不提供实体识别方法，并且这些工具的训练语料很少涉及垂直领域知识。 * **意图识别:** * **我们采用的方法** * **基于词典模板的规则分类方法，意图对应项目中的question_type** * **该方法需要领域专家构建模板** * **缺乏大量的监督数据，相比以下其它方法，该方法是较好的选择** * **其他常用方法** * 基于词典模板的规则分类 * 基于过往日志匹配（适用于搜索引擎） * 基于分类模型进行意图识别(CNN,RNN,MachineLearning) * **实体链接:** * 缺乏大量监督数�