这是 阿拉灯神丁Vicky 的第 23 篇文章

1、项目背景

为通过项目实战增加对知识图谱的认识，几乎找了所有网上的开源项目及视频实战教程。

果然，功夫不负有心人，找到了中科院软件所刘焕勇老师在上的开源项目，基于知识图谱的医药领域问答项目。

用了两个晚上搭建了两套，Mac版与版，哈哈，运行成功！！！

从无到有搭建一个以疾病为中心的一定规模医药领域知识图谱，以该知识图谱完成自动问答与分析服务。该项目立足医药领域，以垂直型医药网站为数据来源，以疾病为核心，构建起一个包含7类规模为4.4万的知识实体，11类规模约30万实体关系的知识图谱。 本项目将包括以下两部分的内容：1、基于垂直网站数据的医药知识图谱构建

2、基于医药知识图谱的自动问答

2、项目环境

2.1 系统

搭建中间有很多坑，且行且注意。

配置要求：要求配置neo4j数据库及相应的依赖包。neo4j数据库用户名密码记住，并修改相应文件。

安装neo4j，neo4j 依赖java jdk 1.8版本以上：

根据neo4j 安装时的端口、账户、密码配置设置设置项目配置文件：.py & .py (下载项目时根据个人需要也可使用git)

数据导入： .py，导入的数据较多医疗问答python，估计需要几个小时。

.py导入数据之前，需要在该文件main函数中加入：

.py

启动问答： .py

2.2 Mac系统

mac本身自带、java jdk环境，可直接安装neo4j图数据库，项目运行步骤与基本一样。

问题解答：安装过程中如遇问题可联系: -sbb。

2.3 Neo4j数据库展示

2.4 问答系统运行效果

3、项目介绍

该项目的数据来自垂直类医疗网站寻医问药，使用爬虫脚本.py，以结构化数据为主，构建了以疾病为中心的医疗知识图谱，实体规模4.4万，实体关系规模30万。的设计根据所采集的结构化数据生成，对网页的结构化数据进行xpath解析。

项目的数据存储采用Neo4j图数据库，问答系统采用了规则匹配方式完成，数据操作采用neo4j声明的。

项目的不足之处在于疾病的引发原因、预防等以大段文字返回，这块可引入事件抽取，可将原因结构化表示出来。

3.1 项目目录

.

├── .md

├── \\编译结果保存目录

│ ├── .-36.pyc

│ ├── .-36.pyc

│ └── .-36.pyc

├── .py

├── .pyc

├── .py \\知识图谱数据入库脚本

├── .py \\问答程序脚本

├── data

│ └── .json \\本项目的全部数据，通过.py导neo4j

├── dict

│ ├── check.txt \\诊断检查项目实体库

│ ├── deny.txt \\否定词库

│ ├── .txt \\医疗科目实体库

│ ├── .txt \\疾病实体库

│ ├── drug.txt \\药品实体库

│ ├── food.txt \\食物实体库

│ ├── .txt \\在售药品库

│ └── .txt \\疾病症状实体库

├──

│ ├── chat1.png \\系统运行问答截图01

│ ├── chat2.png \\系统运行问答截图01

│ ├── .png \\知识图谱构建框架

│ ├── .png \\问答系统框架图

├── img \\.md中的所用图片

│ ├── chat1.png

│ ├── chat2.png

│ ├── .png

│ ├── .png

│ └── .png

├──

│ ├── .py \\数据库操作脚本

│ ├── .py \\网络资讯采集脚本

│ └── .py \\基于词典的最大向前/向后脚本

├── .py \\问句类型分类脚本

├── .pyc

├── .py \\问句解析脚本

├── .pyc

3.2 知识图谱的实体类型

3.3 知识图谱的实体关系类型

3.4 知识图谱的属性类型

3.5 问答项目实现原理

本项目的问答系统完全基于规则匹配实现，通过关键词匹配，对问句进行分类，医疗问题本身属于封闭域类场景，对领域问题进行穷举并分类，然后使用的match去匹配查找neo4j，根据返回数据组装问句回答，最后返回结果。

问句中的关键词匹配：

根据匹配到的关键词分类问句

问句解析

查找相关数据

根据返回的数据组装回答

3.6 问答系统支持的问答类型

4、项目总结

基于规则的问答系统没有复杂的算法，一般采用模板匹配的方式寻找匹配度最高的答案，回答结果依赖于问句类型、模板语料库的覆盖全面性，面对已知的问题，可以给出合适的答案，对于模板匹配不到的问题或问句类型，经常遇到的有三种回答方式：1、给出一个无厘头的答案；

2、婉转的回答不知道，提示用户换种方式去问；

3、转移话题，回避问题；

例如，本项目中采用了婉转的方式回答不知道：

基于知识图谱的问答系统的主要特征是知识图谱，系统依赖一个或多个领域的实体，并基于图谱进行推理或演绎，深度回答用户的问题，基于知识图谱的问答系统更擅长回答知识性问题，与基于模板的聊天机器人有所不同的是它更直接、直观的给用户答案。对于不能回答、或不知道的问题，一般直接返回失败，而不是转移话题避免尴尬。

整个问答系统的优劣依赖于知识图谱中知识的数量与质量。也算是利弊共存吧！知识图谱图谱具有良好的可扩展性医疗问答python，扩展了知识图谱也就是扩展了问答系统的知识库。如果问句在射程范围内，可轻松回答，但如果不幸脱靶，则体验大打折扣。

从知识图谱的角度分析，大多数知识图谱规模不足，主要原因还是数据来源以及技术上知识的抽取与推理困难。

题图