基于医疗知识图谱的问答系统思路分析

知识图谱在问答系统、语义搜索等领域得到了越来越多的应用，是目前人工智能领域的热点研究问题。笔者对中国科学院软件研究所刘焕勇老师的项目QABasedOnMedicaKnowledgeGraph（github链接：https://github.com/liuhuanyong/QASystemOnMedicalKG）进行了较为系统的梳理，受益匪浅，遂将项目整体思路与大家分享。

一、项目主体结构

该项目分为知识图谱的构建、基于知识图谱的问答两部分，build_medicalgraph.py构建图谱、chatbot_graph.py启动问题系统，项目中的文件层次结构如下：

	├── E:\QASystemOnMedicalKG
		├── data
			├── medical.json
		├── dict
			├── check.txt
			├── deny.txt
			├── department.txt
			├── disease.txt
			├── drug.txt
			├── food.txt
			├── producer.txt
			├── symptom.txt
		├── prepare_data
			├── build_data.py
			├── data_spider.py
			├── disease.txt
			├── first_name.txt
			├── first_name_spider.py
			├── max_cut.py
		├── answer_search.py
		├── build_medicalgraph.py
		├── chatbot_graph.py
		├── question_classifier.py
		├── question_parser.py
		├── README.md

二、知识图谱构建

（一）爬取以疾病为核心的医疗数据，数据量大，普通个人计算机爬取数据程序运行时间需耗时一天，需将爬取数据导入非关系型数据库mongodb，见脚本data_spider.py。下图是爬取的原始数据在mongodb中的存储形式。

（二）对爬取的数据进行清洗，整理成“节点：属性”的可直接导入图形数据库neo4j的字典形式，并将清洗后的数据导入mongodb，见脚本build_data.py。（因数据清洗需要的first_name.txt文件遗失，笔者通过分析build_data.py代码，在原项目爬虫程序部分进行适当增删，编