Python实现基于医疗知识图谱实现简单的对话系统（知识问答系统）

怼烎@ 2023-10-15 09:31 84阅读 0赞

[资源下载地址][Link 1]：https://download.csdn.net/download/sheziqiong/88247783  
[资源下载地址][Link 1]：https://download.csdn.net/download/sheziqiong/88247783

## 基于知识图谱实现的知识问答系统 ##

本项目主要目的是从零开始，一步步构建基于知识图谱的知识问答系统。

共分为三大章节：

*  构建一个简单的知识图谱
 *  构建一个医疗知识图谱
 *  基于所构建的医疗知识图谱实现简单的对话系统

## 一、构建一个简单的知识图谱 ##

之前在了解对话系统的时候，就发现其实一个有应用价值的对话系统，需要引入外部知识辅助决策分析，所以我就打算最近学习一下知识图谱，并尝试结合知识图谱构建一个对话系统。

知识图谱是谷歌提出的一个概念，从定义上来说，知识图谱就是结构化的语义知识库，是一种基于图的数据结构，用于描述物理世界中的概念及其相互关系。

既然是图就有边和节点，边指的是事物之间的关系，而节点这里简单地分成两种，第一种是实体，所谓实体就是指现实世界中的一些具体的事物，比如说一个人、一座城市、一家公司等等，都属于实体的范畴。除此之外，我们可以考虑一下，在现实世界里，我们除了需要描述事物之间的关系，有时候我们还需要描述事物本身具备的一些特征，比如"小明是一个大学生"，“小明发表了10篇论文”、“小明有2台汽车”，对于这种情况，就要考虑另一种类型的节点，也就是属性，属性可以分为对象属性和数据属性，在"小明是一个大学生"中，“大学生"就是一个对象属性节点，边可以是"当前学历”，在"小明发表了10篇论文"中，“10"是一个数据属性，边可以是"已发表论文数”。当然概念的东西简单了解一下就好，实际上看图更容易理解。

![在这里插入图片描述][2722e142e086418582093bc2d70d7aa1.jpeg_pic_center]

接下来我们要谈的是如何存储知识，或者说如何表示知识，虽然现在比较前沿的研究方向是通过稠密的低维向量实现对实体和关系的分布式表示，但是这里还是从最简单的三元组谈起。

所谓三元组就是< header entity, relation, tail entity >, 比如说"小明是一个大学生"可以表示为< 小明, 当前学历, 大学生 >，"小明今年十岁"可以表示为< 小明, 年龄, 10 >，这样就可以把知识数据结构化地进行存储。

接下来介绍一下如何构建一个知识图谱，用到的工具是Neo4j。

Neo4j作为一个图数据库，为了数据的储存、读写等操作更合理高效，在设计逻辑上和知识图谱有一些差别，所以这里先介绍一下Neo4j的一些概念，为了方便对应Neo4j的官方文档，下列的概念一律用英文。

![在这里插入图片描述][138547681ae74fa996a82a1ab65ab697.png_pic_center]

node是Neo4j的基本概念，以下是Neo4j的一个单一节点：

![在这里插入图片描述][e363b47843394843886538c725a62ac5.png_pic_center]

Neo4j的node和之前讲到的知识图谱中的节点不同，它不仅仅是一个单一的实体或者属性，它包括了label和property。其中label是Neo4j引入的一个新概念，它的作用是根据label把node划分成一个个集合，比如说"学生"可以是一个label，"国家"也可以是一个label，label具体是什么由我们来设计，我们可以通过指定label对这一批数据进行特定的操作。

除此之外，一个node可以拥有多个label，为node设计什么label，主要还是要根据实际情况判断，看如何设计能方便数据的查询和修改等操作：

![在这里插入图片描述][15c96050e1b443728a87196ab642a864.png_pic_center]

第三个概念是relationship，relationship就是连接两个node的边，而且这是有向边，relationship中包含relationship type，比如"acted\_in"，就是表示Tom Hanks是Forrest Gump中的一个演员：

![在这里插入图片描述][473c2bc919374bccb88ce8dc1b7b1e70.png_pic_center]

第四个概念是property，property是一个键值对，在之前node的介绍中也提到，node由label和property构成，需要注意的是，node和relationship都可以有property，比如上方的ACTED\_IN中就通过property说明了Tom Hanks在Forrest Gump中扮演的角色是Forrest。

property中比较特别的是name，经过测试，我发现一个node没有name的话，在可视化界面是不会显示这个node的名称的（这样说好像很傻仔……），但从Neo4j的逻辑来看，一个node不一定需要name这个property，所以我们应该把Neo4j中的node看成是一个更抽象的node，而不是知识图谱中的实体。

经过上面的介绍，主要想说明的是，Neo4j主要的目的也是构建一个知识图谱，不过在实现上更多从数据库的角度出发，引入了label等结构，方面了用户在查询、增删数据时的便利度。除此之外还有其他一些概念，这里暂不继续说，有兴趣的可以看看Neo4j的官方文档。

接下来就是实操环节，安装方面可以参考这个教程，假设我们已经安装好Neo4j，就能通过localhost:7474进行访问：

![在这里插入图片描述][c9eb61d4826d43f09fae132453a11099.png_pic_center]

我们可以通过Cypher或者python对Neo4j进行操作，Cypher就相当于mysql那种数据库操作语言，这里有详细教程，使用上Cypher和python可以结合使用，所以都可以了解一下。

以下就是利用python的py2neo库建一个简单的知识图谱:

from py2neo import Graph, Node, Relationship
    
    # 连接Neo4j
    g = Graph(
        host='127.0.0.1',
        http_port=7474,
        user='neo4j',
        password='neo4j')
    
    # 创建节点
    da_vinci = Node('person', name='DA VINCI')
    mona_lisa = Node('art', name='MONA LISA')
    louvre = Node('place', name='LOUVRE')
    
    g.create(da_vinci)
    g.create(mona_lisa)
    g.create(louvre)
    
    relation1 = Relationship(da_vinci, 'painted', mona_lisa)
    relation2 = Relationship(mona_lisa, 'is_in', louvre)
    
    g.create(relation1)
    g.create(relation2)

![在这里插入图片描述][2e780ed8141d4feaa17ecdff07451808.png_pic_center]

这里根据第一张图简单写了几个节点，跑完代码就能看到页面上更新了知识图谱，实现上没有什么难点，但是一个很好的入门案例。

总的来说，简单介绍了知识图谱的基本概念，并且通过Neo4j简单构建了一个知识图谱。

## 二、构建一个医疗知识图谱 ##

之前我们简单介绍了怎么构建一个知识图谱，这次就来看看一个完整的构筑流程，以QASystemOnMedicalKG作为参考，主要想展示一下从最初收集非结构化的数据、到一步步处理并通过知识图谱展示的简单流程。

数据可以直接在QASystemOnMedicalKG中获得，如果想了解具体的爬虫过程可以看看这个博客的文章，我主要想快速过一遍这个流程，看看最后知识图谱是如何辅助对话系统的。

首先，我们的数据来源是寻医问药，随便打开一个疾病，可以看到基本的信息：

![在这里插入图片描述][d7deb23cd28c4b3a82d56837feca9992.png_pic_center]

需要爬取的信息包括疾病名、所属目录、症状、治疗方案等等，都可以从页面上获取，

![在这里插入图片描述][dabf2fc091a940d992bbefd31411ed26.png_pic_center]

得到了这些信息，我们就可以构建知识图谱，思路上基本和之前一样，以上图为例，首先我们可以建一个label为disease、name为肺泡蛋白质沉淀症的node，property方面包括prevent、cure\_way、cause等等，另外，对于症状、科室、检查方法等信息都建立单独的node，同时通过has\_symptom、belongs\_to、need\_check等关联把它们和肺泡蛋白质沉淀关联起来，最终就能得到如下知识图谱：

![在这里插入图片描述][0f5b8eaa879d4e5a8265ed2851572a12.png_pic_center]

因为疾病之间存在并发关系，疾病之间也可以通过症状串联起来，所以最后我们利用大量的医疗数据，就能构建一个大型的医疗知识图谱。

![在这里插入图片描述][c91dd843c2bd43149476e0a6c2f8a058.png_pic_center]

可以选择使用代码中原始的medical.json构建一个完整的医疗知识图谱，也可以像我这样使用几条数据快速过一遍这个流程。

## 三、基于医疗知识图谱实现简单的对话系统 ##

之前我们已经构建了一个简单的医疗知识图谱，这次就来看看怎么利用这个知识图谱建一个简单的对话系统，构筑的流程还是参考之前的项目，以后我们再结合深度学习进行改进。

![在这里插入图片描述][a10510151a2b4bb39d38f27702e11542.png_pic_center]

上图就反映了这个对话系统的分析思路，整体上接近一个基于规则的对话系统，首先我们需要对用户输入进行分类，其实就是分析用户输入涉及到的实体及问题类型，也就是Neo4j中的node、property、relationship，然后我们利用分析出的信息，转化成Neo4j的查询语句，最后再把查询的结果返回给用户，就完成了一次问答。

整体上涉及到三个模块，问题的分类、问题的解析以及回答的搜索，接下来我们一个个来看具体的实现。

对于问题的分类，就像之前说的有两个方面，一个是分析出问句中涉及到的node，另一个是分析出property或relationship，对于node，大致上就是采用Aho-Corasick算法，分析出问句中的每一个词是否出现在知识图谱中的node集合中，比如"胸痛怎么办"这句话中，胸痛就出现在了知识图谱的node集合中，所以就可以认为这句话涉及到的实体是"胸痛"。

对于property和relationship，分析的思路更简单，首先预设定一系列的问句疑问词，从而对问句的每个词进行对比分析，判断出问句的类型

![在这里插入图片描述][3f0ac442a7dc4aaeb34dc3f7125a604e.png_pic_center]

然后，根据问句的类型和之前识别出来的实体，基于规则推断出property和relationship：

![在这里插入图片描述][7635f97de02848fc8be8e823d3102f6f.png_pic_center]

把问题转化为Neo4j的Cypher语句，其实也是预先写好Cypher语句的模板，根据实际的情况把之前分析得到的node、property、relationship填入Cypher语句中进行查询。  
![在这里插入图片描述][49d9b9a0a09f48f5ad77034d842ca327.png_pic_center]

得到了Cypher语句，我们就能连接Neo4j数据库进行查询，得到结果之后，还需要对语句进行一点微调，这个过程也是加上预设定的语句：

![在这里插入图片描述][8af79307c3c44914bbf7f47380020a1a.png_pic_center]

以上就是这个基于知识图谱实现的对话系统的基本分析流程，可以看到整个系统基于大量的规则，根据不同的情况构造不同的回答，要想效果好，主要还是需要规则设计得好，比如问句疑问词的设计就要尽可能覆盖面广一点，使得不论用户以什么样的方式提问，在知识图谱有答案的情况下都能输出相应的回答。

这样的对话系统优点很明显，那就是不需要花时间训练，运行的速度很快，缺点也很明显，那就是不能有效分析任意的输入，输出也只能是预设定好的输出，灵活度太小，要想更进一步，终究要结合深度学习的模型进行分析，所以接下来我会继续研究怎么把深度学习应用到知识问答系统中。

[资源下载地址][Link 1]：https://download.csdn.net/download/sheziqiong/88247783  
[资源下载地址][Link 1]：https://download.csdn.net/download/sheziqiong/88247783

[Link 1]: https://download.csdn.net/download/sheziqiong/88247783
[2722e142e086418582093bc2d70d7aa1.jpeg_pic_center]: https://img-blog.csdnimg.cn/2722e142e086418582093bc2d70d7aa1.jpeg#pic_center
[138547681ae74fa996a82a1ab65ab697.png_pic_center]: https://img-blog.csdnimg.cn/138547681ae74fa996a82a1ab65ab697.png#pic_center
[e363b47843394843886538c725a62ac5.png_pic_center]: https://img-blog.csdnimg.cn/e363b47843394843886538c725a62ac5.png#pic_center
[15c96050e1b443728a87196ab642a864.png_pic_center]: https://img-blog.csdnimg.cn/15c96050e1b443728a87196ab642a864.png#pic_center
[473c2bc919374bccb88ce8dc1b7b1e70.png_pic_center]: https://img-blog.csdnimg.cn/473c2bc919374bccb88ce8dc1b7b1e70.png#pic_center
[c9eb61d4826d43f09fae132453a11099.png_pic_center]: https://img-blog.csdnimg.cn/c9eb61d4826d43f09fae132453a11099.png#pic_center
[2e780ed8141d4feaa17ecdff07451808.png_pic_center]: https://img-blog.csdnimg.cn/2e780ed8141d4feaa17ecdff07451808.png#pic_center
[d7deb23cd28c4b3a82d56837feca9992.png_pic_center]: https://img-blog.csdnimg.cn/d7deb23cd28c4b3a82d56837feca9992.png#pic_center
[dabf2fc091a940d992bbefd31411ed26.png_pic_center]: https://img-blog.csdnimg.cn/dabf2fc091a940d992bbefd31411ed26.png#pic_center
[0f5b8eaa879d4e5a8265ed2851572a12.png_pic_center]: https://img-blog.csdnimg.cn/0f5b8eaa879d4e5a8265ed2851572a12.png#pic_center
[c91dd843c2bd43149476e0a6c2f8a058.png_pic_center]: https://img-blog.csdnimg.cn/c91dd843c2bd43149476e0a6c2f8a058.png#pic_center
[a10510151a2b4bb39d38f27702e11542.png_pic_center]: https://img-blog.csdnimg.cn/a10510151a2b4bb39d38f27702e11542.png#pic_center
[3f0ac442a7dc4aaeb34dc3f7125a604e.png_pic_center]: https://img-blog.csdnimg.cn/3f0ac442a7dc4aaeb34dc3f7125a604e.png#pic_center
[7635f97de02848fc8be8e823d3102f6f.png_pic_center]: https://img-blog.csdnimg.cn/7635f97de02848fc8be8e823d3102f6f.png#pic_center
[49d9b9a0a09f48f5ad77034d842ca327.png_pic_center]: https://img-blog.csdnimg.cn/49d9b9a0a09f48f5ad77034d842ca327.png#pic_center
[8af79307c3c44914bbf7f47380020a1a.png_pic_center]: https://img-blog.csdnimg.cn/8af79307c3c44914bbf7f47380020a1a.png#pic_center