Skip to content

README.md

Latest commit

 

History

History
158 lines (116 loc) · 4.49 KB

README.md

File metadata and controls

158 lines (116 loc) · 4.49 KB

knowledge_graph — 医疗知识图谱构建

概述

knowledge_graph 模块负责将 data/medical.json 中的医疗数据导入 Neo4j 图数据库，构建以疾病为中心的医疗知识图谱。

数据来源于原开源项目（liuhuanyong）从寻医问药网采集的约 8,800 条疾病记录。

图谱规模

指标 规模
节点总数 约 4.4 万
关系总数 约 30 万
节点类型 7 类（Disease、Symptom、Drug、Food、Check、Department、Producer）
关系类型 11 类（症状、并发症、用药、饮食、检查、科室等）

图模型（Schema）

节点标签

标签 说明 示例
Disease 疾病（带 14 个属性） 糖尿病、高血压
Symptom 症状 头痛、多饮、多尿
Drug 药品 二甲双胍、胰岛素
Food 食物 苦瓜、粗粮
Check 检查项 血糖检测、糖耐量试验
Department 科室 内分泌科、心内科
Producer 药品生产商 诺和诺德

关系类型

关系 方向 说明
has_symptom Disease → Symptom 疾病的症状
acompany_with Disease → Disease 并发症
common_drug Disease → Drug 常用药品
recommand_drug Disease → Drug 推荐药品
do_eat Disease → Food 宜吃食物
no_eat Disease → Food 忌口食物
recommand_eat Disease → Food 推荐食谱
need_check Disease → Check 检查项目
belongs_to Disease → Department 所属科室
drugs_of Producer → Drug 生产药品
dept_belongs_to Department → Department 上级科室

Disease 节点属性

name, desc, cause, prevent, cure_way, cure_lasttime,
cured_prob, easy_get, cost_money, get_prob, get_way,
symptom, symptom_acompany, complication

目录结构

knowledge_graph/
├── config.py         # 图谱 Schema 定义（节点/关系/属性映射）
├── data_loader.py    # 从 JSONL 文件加载结构化医疗数据
├── graph_builder.py  # Neo4j 批量写入（参数化 Cypher + UNWIND）
└── main.py           # CLI 构建入口

构建流程

flowchart LR
    A[data/medical.json] --> B[data_loader.py]
    B -->|节点集合| C[graph_builder.py]
    B -->|关系列表| C
    C -->|批量写入| D[(Neo4j)]
Loading

第一步：创建节点

# 疾病节点（带 14 个属性）
builder.create_disease_nodes(disease_infos)

# 其他节点（Symptom/Drug/Food 等）
for label in ["Drug", "Food", "Check", "Department", "Producer", "Symptom"]:
    builder.create_simple_nodes(label, nodes[label])

第二步：创建关系

按以下顺序创建 11 种关系类型（UNWIND 批量插入）：

has_symptom → acompany_with → belongs_to → dept_belongs_to
→ common_drug → recommand_drug → do_eat → no_eat
→ recommand_eat → need_check → drugs_of

构建索引

模块自动创建以下索引以加速查询：

CREATE INDEX disease_name IF NOT EXISTS FOR (n:Disease) ON (n.name)
CREATE INDEX symptom_name IF NOT EXISTS FOR (n:Symptom) ON (n.name)
CREATE INDEX drug_name    IF NOT EXISTS FOR (n:Drug)    ON (n.name)
CREATE INDEX food_name    IF NOT EXISTS FOR (n:Food)    ON (n.name)
CREATE INDEX check_name   IF NOT EXISTS FOR (n:Check)   ON (n.name)

使用命令

# 基础导入（依赖 Neo4j 已启动）
python -m knowledge_graph.main

# 清空旧数据后重新导入
python -m knowledge_graph.main --clear

# 分步构建（调试用）
python -m knowledge_graph.main --step nodes    # 只创建节点
python -m knowledge_graph.main --step rels     # 只创建关系

# 指定数据文件和远程 Neo4j
python -m knowledge_graph.main \
  --data ../data/medical.json \
  --uri bolt://192.168.1.10:7687 \
  --clear

命令行参数

参数 默认值 说明
--data data/medical.json 数据文件路径
--uri 来自 settings.py Neo4j 连接地址
--user neo4j Neo4j 用户名
--password neo4j Neo4j 密码
--clear False 构建前清空旧数据
--step 无（全量） nodes 或 rels 分步构建

数据来源

data/medical.json（45 MB）包含约 8,800 条疾病记录，由 data_spider/ 从寻医问药网采集。数据已固化，无需重新爬取。

详见 data_spider/README.md。