源码可以看刘焕庸老师的GitHub

一、爬取数据

二、建立图谱（build_medicalgraph.py）

1. 连接neo4j数据库

通过py2neo来链接与操作数据库

g=Graph("http://localhost:7474",username="neo4j",password="**********")

2. 读取文件

将结构化json数据导入neo4j中，观察数据可知

（1）实体类型有药品（drug）、食物(food)、诊断检查项目(check)、医疗科室(department)、在售药品(producer)、疾病(disease)、疾病症状(symptom)；

（2）实体关系类型有属于、疾病常用药品、疾病宜吃食物、药品在售药品、疾病所需检查、疾病忌吃食物、疾病推荐食物、疾病推荐食谱、疾病症状、疾病并发疾病；

（3）属性类型有疾病名称、疾病简介、疾病原因、预防措施、治疗周期、治疗方式、治愈概率、疾病易感人群。

json文件中保存的数据都是以疾病为中心的,每条数据都记录着某个疾病的所有属性信息。首先从文件中读取 json，通过json.load方法将其转化成Python字典，然后遍历每个疾病的“字段名:值”键值对中的信息，对其中的“值”创建相关实体节点集合，通过梳理数据间的关系，利用 “字段名”创建实体间的关系及其属性的集合,遍历完所有疾病数据后,就可以构建知识三元组，得到医疗问答系统所需的数据。对于json里的字典键，如果是疾病的属性，则加入disease_dict中（比如desc）；如果和疾病有关系，则加入对应的关系列表（比如acompany）；如果是某个其他实体，则加入对应的实体列表(比如（check）；

对数据进行处理，最后函数返回set去重后的所有实体、疾病属性信息和实体间关系。

3. 创建图谱节点和边

定义一个MedicalGraph类，创建它的对象，然后用create_graphnodes()函数创建图谱节点，用create_graphrels()函数创建图谱关系边。

（1）用create_graphnodes()函数创建图谱节点：

首先调用read_nodes函数得到存储实体和实体间关系的变量，然后创建有属性的节点（疾病）和没有属性的节点（比如食物，药品等等），对于每一个疾病属性都进行添加后 使用g.create(node)创建

（2）用create_graphrels()函数创建实体关系边：

最后创建两个实体之间的关系（比如食物与疾病之间的推荐食谱、忌吃；疾病与科室之间的所属关系等等），首先调用read_nodes函数得到存储实体和实体间关系的变量，再直接调用定义好的create_relationship（）函数,在create_relationship中创建关联边的时候首先是用set()函数进行去重处理，防止有重复的关系，接着调用py2neo库中Graph类的run函数，对于关联边的两个实体用Cypher语言直接执行语句表示出来，对每一对实体关系在neo4j里创建边即可。

4.导出数据，保存起来。

将抽取出的各类实体保存在对应的txt文件中，为下文健康问答系统的设计做准备。

三、问答系统（chatbot_graph.py）

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Cypher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。首先传入用户输入问题，调用self.classifier.classify进行问句分类，如果没有对应的分类结果，则输出模板句式。如果有分类结果，则调用self.parser.parser_main对问句进行解析，再调用self.searcher.search_main查找对应的答案，如果有则返回答案，如果没有则输出模板句式。

1. 问句分类（question_classifier.py）

（1）首先加载特征词，特征词除了7类实体还包括由全部7类实体词构成的领域词region_words、否定词库deny_words，构造问句疑问词其中包含了疾病的属性和边相关的问题词，

构造领域树actree，可以加速问题分类的过滤通过python的ahocorasick库实现，ahocorasick是一种字符串匹配算法，由两种数据结构实现：trie和Aho-Corasick自动机。trie是一个字符串索引的词典，检索相关项时时间和字符串长度成正比；AC自动机能够在一次运行中找到给定集合所有字符串。

build_wdtype_dict函数根据7类实体构造{特征词：特征词对应类型}的词典。

（2）对问句进行过滤，通过ahocorasick库的iter()函数匹配领域词，将有重复字符串的领域词去除短的，取最长的领域词返回。功能为过滤问句中含有的领域词，返回{问句中的领域词：词所对应的实体类型}。

check_word函数检查问句中是否含有某实体类型内的特征词。

（3）分类主函数：

将问题输入进来，首先调用check_medical（）来对问句进行过滤，获取问句中包含的领域词及其所在领域，并收集问句当中所涉及到的实体类型；接着基于特征词进行分类，即调用check_word函数，看问句中是否包含某领域特征词，以及该领域是否在问句中包含的region_words的实体类型里，以此来判断问句属于哪种类型。

2.问句解析(question_paser.py)

从分类结果中已经得到了问题涉及到的领域词和实体类型，接着调用build_entitydict函数，返回形如{'实体类型':['领域词'],...}的entity_dict字典。然后对问句分类返回值中[‘question_types’]的每一个问题类型，调用sql_transfer函数转换为neo4j的Cypher语言。

3.答案搜索(answer_searcher.py)

首先就是连接neo4j，接着进行cypher查询，将问句解析模块中得到的语句输入到搜索主函数中，调用g.run( )函数来搜索答案，接着根据问题类型和搜索的答案调用相应的回复模板，最后返回最终的答案；如果没有找到答案，则返回设定好的语句。