[Datawhale Camp] Task02- 基于医疗知识图谱的问答系统操作介绍

1. Intro

1.1 任务理解

需要将医疗数据导入到 Neo4j 数据库，并成功建立节点、主要以疾病名称（name）为实体所延伸的栏位，例如：疾病的症状描述（Symptom）、好發群体（Age）、發生部位（part）…etc 。
建立而成的医疗知识图谱，将能帮助我们看到：各个疾病之间在好發群体、疾病發生部位、治疗药物等等的关係呈现。

2. 实战练习

2.1 数据读取

用 pandas 读入，原数据14336条内容，简单看下前五条是：阳痿、乙肝、癫痫、月经不调、颈椎病等。依照任务来看，他们是本次医疗知识图谱的『实体』，也是 build_graph.py 的第一步：create_node。

編碼格式 GB18030 是跟簡體中文字符相關的編碼方式：

GB18030，全稱《信息技術　中文編碼字符集》，是中華人民共和國國家標準所規定的變長多位元組字元集。其對GB2312-1980完全向下相容，與GBK基本向下相容，並支援Unicode（GB 13000）的所有碼位。GB18030共收錄漢字70,244個。
(Source: 維基百科)

主要有以下特點：

• 採用變長多位元組編碼，每個字可以由1個、2個或4個位元組組成。編碼空間龐大，最多可定義161萬個字元。
• 完全支援Unicode，無需動用造字區即可支援中國國內少數民族文字、中日韓和繁體漢字以及emoji等字元。

2.2 实现步骤

首先需要辨识哪些栏位为实体的『Attribute（属性）』，哪些是作为实体与实体之间的『Relationship（