精品乱码一区二区三四区视频-japan白嫩丰满少妇videos-人妻无码一区二区不卡无码av-狂野欧美性猛交xxxx-欧美 亚洲 中文 国产综合-国产精品美女久久久m-国产欧美熟妇另类久久久-无码一区二区三区亚洲人妻-男人操女人逼,日韩性xx,成全视频观看免费高清第6季,欧美一区三区

1、項目背景

為通過項目實戰增加對知識圖譜的認識，幾乎找了所有網上的開源項目及視頻實戰教程。

果然，功夫不負有心人，找到了中科院軟件所劉煥勇老師在上的開源項目，基于知識圖譜的醫藥領域問答項目。

項目地址：

用了兩個晚上搭建了兩套，Mac版與版，哈哈，運行成功！！！

從無到有搭建一個以疾病為中心的一定規模醫藥領域知識圖譜，以該知識圖譜完成自動問答與分析服務。該項目立足醫藥領域，以垂直型醫藥網站為數據來源，以疾病為核心，構建起一個包含7類規模為4.4萬的知識實體，11類規模約30萬實體關系的知識圖譜。 本項目將包括以下兩部分的內容：

1、基于垂直網站數據的醫藥知識圖譜構建

2、基于醫藥知識圖譜的自動問答 2、項目環境 2.1 系統

搭建中間有很多坑，且行且注意。

配置要求：要求配置neo4j數據庫及相應的依賴包。neo4j數據庫用戶名密碼記住，并修改相應文件。

安裝neo4j，neo4j 依賴java jdk 1.8版本以上：

java jdk安裝方法可參考： 系統下安裝JDK8，下載地址：

安裝neo4j可參考博文： 安裝neo4j，下載地址：

安裝可參考： 環境下安裝.7

根據neo4j 安裝時的端口、賬戶、密碼配置設置設置項目配置文件：.py&.py(下載項目時根據個人需要也可使用git)

數據導入： .py，導入的數據較多，估計需要幾個小時。

.py導入數據之前，需要在該文件main函數中加入：

.py

啟動問答： .py

2.2 Mac系統

mac本身自帶、java jdk環境，可直接安裝neo4j圖數據庫，項目運行步驟與基本一樣。

問題解答：

安裝過程中如遇問題可聯系: -sbb。 2.3 Neo4j數據庫展示

2.4 問答系統運行效果

3、項目介紹

該項目的數據來自垂直類醫療網站尋醫問藥，使用爬蟲腳本.py，以結構化數據為主，構建了以疾病為中心的醫療知識圖譜，實體規模4.4萬，實體關系規模30萬。的設計根據所采集的結構化數據生成，對網頁的結構化數據進行xpath解析。

項目的數據存儲采用Neo4j圖數據庫，問答系統采用了規則匹配方式完成，數據操作采用neo4j聲明的。

項目的不足之處在于疾病的引發原因、預防等以大段文字返回，這塊可引入事件抽取，可將原因結構化表示出來。

3.1 項目目錄

. ├── README.md ├── __pycache__ \\編譯結果保存目錄 │ ├── answer_search.cpython-36.pyc │ ├── question_classifier.cpython-36.pyc │ └── question_parser.cpython-36.pyc ├── answer_search.py ├── answer_search.pyc ├── build_medicalgraph.py \\知識圖譜數據入庫腳本 ├── chatbot_graph.py \\問答程序腳本 ├── data │ └── medicaln.json \\本項目的全部數據，通過build_medicalgraph.py導neo4j ├── dict │ ├── check.txt \\診斷檢查項目實體庫 │ ├── deny.txt \\否定詞庫 │ ├── department.txt \\醫療科目實體庫 │ ├── disease.txt \\疾病實體庫 │ ├── drug.txt \\藥品實體庫 │ ├── food.txt \\食物實體庫 │ ├── producer.txt \\在售藥品庫 │ └── symptom.txt \\疾病癥狀實體庫 ├── document │ ├── chat1.png \\系統運行問答截圖01 │ ├── chat2.png \\系統運行問答截圖01 │ ├── kg_route.png \\知識圖譜構建框架 │ ├── qa_route.png \\問答系統框架圖 ├── img \\README.md中的所用圖片 │ ├── chat1.png │ ├── chat2.png │ ├── graph_summary.png │ ├── kg_route.png │ └── qa_route.png ├── prepare_data │ ├── build_data.py \\數據庫操作腳本 │ ├── data_spider.py \\網絡資訊采集腳本 │ └── max_cut.py \\基于詞典的最大向前/向后腳本 ├── question_classifier.py \\問句類型分類腳本 ├── question_classifier.pyc ├── question_parser.py \\問句解析腳本 ├── question_parser.pyc

3.2 知識圖譜的實體類型