上接菜哥学知识图谱(通过“基于医疗知识图谱的问答系统”)(五)(neo4j的Cypher语言)
本节继续进行代码分析。
7.answer_search.py。该类的classify()方法,将问题提取了关键字,并对问题进行了分类。
下面对代码进行注释。
#!/usr/bin/env python3
# coding: utf-8
# File: question_classifier.py
# Author: lhy<lhy_in_blcu@126.com,https://huangyong.github.io>
# Date: 18-10-4
import os
import ahocorasick #ahocorasick实现快速的关键字匹配
class QuestionClassifier:
def __init__(self):
cur_dir = '/'.join(os.path.abspath(__file__).split('/')[:-1])
# 特征词路径
self.disease_path = os.path.join(cur_dir, 'dict/disease.txt')
self.department_path = os.path.join(cur_dir, 'dict/department.txt')
self.check_path = os.path.join(cur_dir, 'dict/check.txt')
self.drug_path = os.path.join(cur_dir, 'dict/drug.txt')
self.food_path = os.path.join(cur_dir, 'dict/food.txt')
self.producer_path = os.path.join(cur_dir, 'dict/producer.txt')
self.symptom_path = os.path.join(cur_dir, 'dict/symptom.txt')
self.deny_path = os.path.join(cur_dir, 'dict/deny.txt')
# 加载特征词
self.disease_wds= [i.strip() for i in open(self.disease_path, encoding='utf-8') if i.strip()] #把词取出,放入list #疾病名称
self.department_wds= [i.strip() for i in open(self.department_path, encoding='utf-8') if i.strip()] #科室名称
self.check_wds= [i.strip() for i in open(self.check_path, encoding='utf-8') if i.strip()] #检查项目
self.drug_wds= [i.strip() for i in open(self.drug_path, encoding='utf-8') if i.strip()] #药品
self.food_wds= [i.strip() for i in open(self.food_path, encoding='utf-8') if i.strip()] #食物
self.producer_wds= [i.strip() for i in open(self.producer_path, encoding='utf-8') if i.strip()] #药品大类
self.symptom_wds= [i.strip() for i in open(self.symptom_path, encoding='utf-8') if i.strip()] #症状
self.region_words = set(self.department_wds + self.disease_wds + self.check_wds + self.drug_wds + self.food_wds + self.producer_wds + self.symptom_wds) #所有的关键字放在一起,去重
self.deny_words = [i.strip() for i in open(self.deny_path, encoding='utf-8') if i.strip()] #否定词
# 构造领域actree
self.region_tree = self.build_actree(list(self.region_words)) #建立一个AC自动机,方法在后面。AC制动机的目的是加速匹配。
# 构建词典
self.wdtype_dict = self.build_wdtype_dict() #词的类型的字典,{'百日咳':'disease',....}
# 问句疑问词,把所有的问句形式穷举
self.symptom_qwds = ['症状', '表征', '现象', '症候', '表现'] #症状关键词
self.cause_qwds = ['原因','成因', '为什么', '怎么会', '怎样才', '咋样才', '怎样会', '如何会', '为啥', '为何', '如何才会', '怎么才会', '会导致', '会造成'] #原因关键词
self.acompany_qwds = ['并发症', '并发', '一起发生', '一并发生', '一起出现', '一并出现', '一同发生', '一同出现', '伴随发生', '伴随', '共现'] #并发症关键词
self.food_qwds = ['饮食', '饮用', '吃', '食', '伙食', '膳食', '喝', '菜' ,'忌口', '补品', '保健品', '食谱', '菜谱', '食用', '食物','补品']
self.drug_qwds = ['药', '药品', '用药', '胶囊', '口服液', '炎片']
self.prevent_qwds = ['预防', '防范', '抵制', '抵御', '防止','躲避','逃避','避开','免得','逃开','避开','避掉','躲开','躲掉','绕开',
'怎样才能不', '怎么才能不', '咋样才能不','咋才能不', '如何才能不',
'怎样才不', '怎么才不', '咋样才不','咋才不', '如何才不',
'怎样才可以不', '怎么才可以不', '咋样才可以不', '咋才可以不', '如何可以不',
'怎样才可不', '怎么才可不', '咋样才可不', '咋才可不', '如何可不']
self.lasttime_qwds = ['周期', '多久', '多长时间', '多少时间', '几天', '几年', '多少天', '多少小时', '几个小时', '多少年']
self.cureway_qwds = ['怎么治疗', '如何医治', '怎么医治', '怎么治', '怎么医', '如何治', '医治方式', '疗法', '咋治', '怎么办', '咋办', '咋治']
self.cureprob_qwds = ['多大概率能治好', '多大几率能治好', '治好希望大么', '几率', '几成', '比例', '可能性', '能治', '可治', '可以治', '可以医']
self.easyget_qwds = ['易感人群', '容易感染', '易发人群', '什么人', '哪些人', '感染', '染上', '得上']
self.check_qwds = ['检查', '检查项目', '查出', '检查', '测出', '试出']
self.belong_qwds = ['属于什么科', '属于', '什么科', '科室']
self.cure_qwds