健康工作50年(4) - 搭建知识图谱

    从寻医问药、百科名医等网站上看了疾病相关的信息，包含说明、病因、症状、并发症等等信息，如果利用这些信息？尝试一下知识图谱来解决。

    一开始使用了 Apache 的 jena，花了几天，弄懂了基本原理，但使用起来还是比较费劲。有试用了neo4j，感觉比jena还用一点，先用neo4j吧。

    准备数据：

1. 抓取网页，使用到了 scrapy
2. 网页数据提取，使用到了xpath
3. 数据存储使用到redis 和 mongodb
4. 花了几天时间，整理 disease、symptom、cause、drug、check等医疗知识，大约40多万条，他们之间的关系大约500万条。
5. 一开始导入neo4j，花了几十个小时，后面查资料，可以通过 neo4j-admin.bat import --mode=csv 导入，几分钟就行了

    第一个查询： MATCH p=(d:Disease)-[r:cause_highlight]->(h:Highlight) WHERE h.name = '吸烟' RETURN p LIMIT 2500

    结果如下图：

    

    从关联关系来看，吸烟对身体还是有很多害处的，肺癌、心脏病、冠心病

转载于:https://my.oschina.net/u/3969023/blog/3053213