java测试开发面试题总结--医疗领域知识图谱

urlib爬虫

1、urlib组件可以抓取网页，urlib是一个url处理包，这个包中集合了一些处理url的模块
2、用urlib请求后可以返回的内容再解码之后可以得到一个html网页

这个项目是一个关于知识图谱的项目，知识图谱相当于是一个存储结构话数据的数据库，里面的数据都是以三元组的形式存储的，所以这个项目也可以说是做的一个存储医疗领域相关数据的数据库。

这个项目的主要流程是：
1、到一个与医疗相关的专业网站爬取数据，我们爬取的是以某种病症的相关信息，比如这种疾病是浅表性胃炎，然后这个页面上相关的信息就有关于这个疾病的病症，应该吃什么药，应该吃什么食物或者是少吃什么食物，以这种方式，我们爬取了大概有8000多种疾病以及这些疾病的相关信息。

2、然后对这些信息进行一个分类，分类是按照实体的类别进行分类的，比如把食物归为一类，药品归为一类，病症归为一类等；此外，我们还会创建几类关系，比如食物的有益吃，或者不益吃的关系，病症有病症的关系。

3、把疾病的信息以json的格式存入到MongoDB中，一种疾病有各种信息，包括这种疾病的属性比如：名称，疾病简介，病因，预防措施等，另外还包括它和其他实体的关系，比如 吃什么药这个关系，，所对应的 一些药品。

4、构建知识图谱，首先是在Neo4j中导入实体，对于疾病实体我们还需要与他们的属性一起导入，然后再导入实体与实体之间的关系，让实体连接起来，即可构建好知识图谱

5、对于这个知识图谱，我们直接可以用Neo4j中的Cypher语言进行查询，比如，可以直接查询浅表性胃炎应该吃的药物，数据库就会直接返回相应药物的结果