简介本资源是一套基于Python实现的医疗知识图谱知识问答系统完整项目面向计算机相关专业的毕业设计、期末大作业与课程设计需求者尤其适合需要高分项目参考的本科与专科学生。项目围绕医疗领域实体与关系构建知识图谱并实现自然语言问答交互代码注释详尽新手也能理解整体逻辑与模块划分。压缩包共188个文件约115.23MB包含41个py源码文件、44个txt说明与数据文件、21个html页面、22张png界面截图以及js、css、json、db等前端与数据库资源另含Neo4j图数据库存储文件便于直接部署运行。目前已有266人学习下载可作为完整赛题方案参考。读者可获得可运行的问答系统源码、使用教程、数据库文件与前端页面快速完成环境搭建、功能演示与答辩准备同时借鉴目录结构与排错思路提升项目开发与文档撰写效率。1. 医疗知识图谱问答系统从数据到答案的工程落地路径医疗知识图谱的知识问答系统核心要解决的问题很具体用户用自然语言问“高血压吃什么药”系统能从结构化的医疗图谱里找到答案并组织成通顺回复。这件事听起来像搜索但比搜索多了一层语义理解——它需要把“高血压”“吃什么药”映射到图谱里的实体和关系再沿着边找到目标节点。我选择用 Python 来实现原因很直接Neo4j 的官方驱动、spaCy 的分词与实体识别、Flask 的轻量接口这些工具链在 Python 生态里最顺手调试成本也最低。这套方案适合计算机毕设选题中想做知识图谱方向的同学也适合想快速验证医疗问答可行性的开发者。读完你能拿到一条从数据清洗、图谱构建、问句解析到接口服务的完整路径每一步都有可复现的命令和参数说明。2. 医疗数据从哪来、怎么洗成图谱能吃的三元组2.1 医疗数据的三个来源与选型理由做医疗知识图谱第一步不是写代码是找数据。常见做法有三类公开的医疗知识库如 ICD-10 编码表、药品说明书结构化数据、半结构化的百科类页面、以及自己整理的科室问答对。我一般会优先用 ICD-10 和药品说明书数据因为它们的实体边界清晰关系定义明确不需要大量人工标注。百科类页面虽然覆盖广但噪声大抽取关系时容易把“相关”当成“治疗”。选型上如果你只是做毕设演示建议从两个维度控制规模疾病实体控制在 200 到 500 个药品实体控制在 300 到 800 个关系类型限定在“疾病-症状”“疾病-药品”“疾病-科室”“药品-禁忌”这四类。这个规模下Neo4j 社区版单机跑起来毫无压力问句解析的规则也能覆盖大部分常见问法。数据格式上我习惯先把原始数据整理成 CSV每行一个三元组列名固定为 head、relation、tail。这样做的好处是后续导入 Neo4j 时可以直接用 LOAD CSV不用写额外的解析逻辑。import pandas as pd # 读取原始药品说明书数据假设已有 CSV 文件 raw pd.read_csv(drug_instructions.csv) # 只保留需要的列并重命名 triples raw[[疾病名称, 关系, 药品名称]].copy() triples.columns [head, relation, tail] # 过滤掉空值 triples.dropna(inplaceTrue) # 关系名称统一映射避免同义关系导致图谱碎片化 relation_map { 治疗: 治疗, 用于: 治疗, 主治: 治疗, 禁忌: 禁忌, 不良反应: 不良反应 } triples[relation] triples[relation].map(relation_map) # 去重后输出标准三元组文件 triples.drop_duplicates().to_csv(medical_triples.csv, indexFalse) print(f共生成 {len(triples)} 条三元组)这段代码的逻辑很直白先做列裁剪再做关系归一化最后去重。参数上唯一需要留意的是 relation_map 的映射表你要根据自己数据里的实际关系词来补全。如果映射不全会出现“治疗”和“用于”被当成两种关系的情况图谱里同一个语义会分裂成两条边查询时容易漏结果。2.2 用 Neo4j 建图节点、关系与索引的实操命令数据洗好后下一步是导入 Neo4j。我一般用 Neo4j 的 LOAD CSV 配合 MERGE 语句因为 MERGE 能保证节点和关系不重复创建。先启动 Neo4j社区版默认端口 7474浏览器打开后进 Cypher 查询框。// 创建疾病节点和药品节点并建立治疗关系 LOAD CSV WITH HEADERS FROM file:///medical_triples.csv AS row MERGE (d:Disease {name: row.head}) MERGE (m:Drug {name: row.tail}) MERGE (d)-[:TREATS {relation: row.relation}]-(m);这段 Cypher 的执行逻辑是对每一行 CSV先按 name 合并疾病节点再合并药品节点最后在两者之间建立 TREATS 关系。MERGE 的语义是“存在则匹配不存在则创建”所以重复执行不会产生重复数据。参数上要注意 file:/// 路径是 Neo4j 的 import 目录不是你的项目目录CSV 文件必须放在 Neo4j 安装目录下的 import 文件夹里。建完图后必须加索引否则数据量上去后查询会明显变慢。CREATE INDEX disease_name_index IF NOT EXISTS FOR (d:Disease) ON (d.name); CREATE INDEX drug_name_index IF NOT EXISTS FOR (m:Drug) ON (m.name);索引建在 name 属性上因为后续问句解析后都是按实体名称去图谱里查。没有索引时Neo4j 会做全节点扫描几百个节点还能忍上千个节点后响应时间会从毫秒级跳到秒级。提示导入完成后用 MATCH (n) RETURN count(n) 确认节点总数再用 MATCH ()-[r]-() RETURN count(r) 确认关系总数和 CSV 行数对不上就说明导入过程中有行被跳过通常是 CSV 里有空 head 或空 tail。3. 问句解析把“高血压吃什么药”翻译成 Cypher 查询3.1 基于规则与词典的实体识别方案问句解析是整个系统里最容易翻车的环节。医疗问句的变体太多“高血压吃什么药”“得了高血压用什么药”“高血压的治疗药物有哪些”表达的是同一个意思但字面差异很大。我试过用深度学习做意图分类效果不稳定后来退回到规则加词典的方案反而在毕设场景下更可控。具体做法是先维护一个实体词典把图谱里所有疾病名和药品名读出来构建一个前缀树或者直接用 Python 的 set 做匹配。问句进来后先做分词再用词典去匹配实体。匹配到疾病实体后再根据问句里的关键词判断意图。import jieba # 从 Neo4j 导出实体词典这里用列表模拟 disease_dict {高血压, 糖尿病, 冠心病, 肺炎} drug_dict {硝苯地平, 二甲双胍, 阿司匹林, 青霉素} # 意图关键词映射 intent_keywords { 治疗: [吃什么药, 用什么药, 治疗药物, 怎么治], 症状: [什么症状, 有哪些症状, 表现], 科室: [挂什么科, 哪个科, 看什么科], 禁忌: [禁忌, 不能吃什么, 注意事项] } def parse_question(question): words jieba.lcut(question) disease None drug None intent None for w in words: if w in disease_dict: disease w if w in drug_dict: drug w for key, keywords in intent_keywords.items(): for kw in keywords: if kw in question: intent key break if intent: break return {disease: disease, drug: drug, intent: intent}这段代码的核心是词典匹配加关键词命中。参数上jieba.lcut 的分词粒度对医疗术语不太友好比如“硝苯地平”可能被切成“硝苯”和“地平”所以我在分词后额外做了一次全句扫描直接用 in 判断实体是否出现在原句里避免分词错误导致漏识别。意图关键词表需要你根据实际问句不断补充这是个体力活但比训练模型省心。3.2 从意图到 Cypher查询模板与参数绑定解析出疾病和意图后下一步是拼 Cypher 查询。这里有个坑不要用字符串拼接把疾病名直接塞进 Cypher会有注入风险而且疾病名里如果有特殊字符会直接报错。正确做法是用参数绑定。from neo4j import GraphDatabase driver GraphDatabase.driver(bolt://localhost:7687, auth(neo4j, password)) def query_drugs_by_disease(disease_name): cypher MATCH (d:Disease {name: $disease})-[:TREATS]-(m:Drug) RETURN m.name AS drug with driver.session() as session: result session.run(cypher, diseasedisease_name) return [record[drug] for record in result] def query_symptoms_by_disease(disease_name): cypher MATCH (d:Disease {name: $disease})-[:HAS_SYMPTOM]-(s:Symptom) RETURN s.name AS symptom with driver.session() as session: result session.run(cypher, diseasedisease_name) return [record[symptom] for record in result]参数绑定的写法是 $disease然后在 session.run 里用关键字参数传入。这样做的好处是 Neo4j 驱动会自动处理转义疾病名里带括号或空格都不会出问题。查询模板按意图分开写每个意图对应一个函数后续加新意图只需要加函数和关键词不用改主流程。注意Neo4j 的 bolt 连接默认超时时间较短如果图谱数据量大、查询复杂建议在 driver 初始化时加上 max_connection_lifetime 和 connection_timeout 参数避免偶发的连接断开被当成查询失败。4. 避坑与排查医疗问答系统落地时最容易翻车的五个点4.1 实体识别漏匹配问句里的疾病名和词典对不上现象用户问“血压高吃什么药”系统识别不到“高血压”这个实体返回空结果。原因词典里只有标准疾病名没有别名和口语化表达。解决在词典里加一层别名映射把“血压高”映射到“高血压”“糖友”映射到“糖尿病”。我一般会单独维护一个 alias.csv导入时同时把别名和标准名都写进 Neo4j 的别名属性查询时用 CONTAINS 或 IN 做匹配。4.2 关系方向搞反治疗关系建成了药品指向疾病现象查询“高血压的治疗药物”时返回空但图谱里明明有数据。原因建图时 Cypher 写成了 (m:Drug)-[:TREATS]-(d:Disease)方向反了。解决统一约定关系方向为疾病指向药品建图后用 MATCH (d:Disease)-[r:TREATS]-(m:Drug) RETURN count(r) 验证关系数量如果为 0 就说明方向反了需要重建关系。4.3 分词把药品名切碎导致意图误判现象问“阿司匹林有什么禁忌”jieba 把“阿司匹林”切成“阿司”和“匹林”实体识别失败。原因jieba 默认词典不含医疗专有名词。解决用 jieba.add_word 把图谱里的所有药品名和疾病名动态加入分词词典加载完词典后再分词。这个操作要在服务启动时做一次不要每次请求都加。4.4 Neo4j 导入 CSV 时中文乱码现象LOAD CSV 后节点名称显示为问号或乱码。原因CSV 文件编码不是 UTF-8或者 Neo4j 的 import 目录下文件编码不一致。解决用 pandas 导出 CSV 时显式指定 encodingutf-8-sig这个编码带 BOM 头Neo4j 能正确识别中文。如果已经导入乱码删掉节点重新导入不要试图在 Neo4j 里改编码。4.5 查询返回结果过多导致接口超时现象问“糖尿病吃什么药”返回 200 多条药品前端渲染卡死。原因图谱里糖尿病关联的药品没有做优先级排序全部返回。解决在关系上加一个 weight 属性建图时根据药品说明书的推荐等级赋值查询时用 ORDER BY r.weight DESC LIMIT 20 限制返回数量。这个限制值我一般设 20既能覆盖常见答案又不会让接口响应超过 500 毫秒。5. 接口封装与效果验证用 Flask 把问答能力暴露出去5.1 Flask 接口的最小实现与参数设计图谱和解析逻辑都跑通后最后一步是包一个 HTTP 接口让前端或其他系统能调用。我用 Flask因为它够轻毕设场景下不需要上 FastAPI 或 Django。接口设计上只暴露一个 POST 端点接收 JSON 格式的问句返回结构化答案。from flask import Flask, request, jsonify from neo4j import GraphDatabase import jieba app Flask(__name__) driver GraphDatabase.driver(bolt://localhost:7687, auth(neo4j, password)) # 启动时加载实体词典到 jieba def load_dict(): with driver.session() as session: result session.run(MATCH (n) RETURN n.name AS name) for record in result: jieba.add_word(record[name]) load_dict() app.route(/qa, methods[POST]) def qa(): data request.get_json() question data.get(question, ) if not question: return jsonify({error: empty question}), 400 parsed parse_question(question) if not parsed[disease]: return jsonify({answer: 未识别到疾病实体请换一种问法}) if parsed[intent] 治疗: drugs query_drugs_by_disease(parsed[disease]) answer f{parsed[disease]}的常用治疗药物包括{、.join(drugs[:10])} elif parsed[intent] 症状: symptoms query_symptoms_by_disease(parsed[disease]) answer f{parsed[disease]}的常见症状有{、.join(symptoms[:10])} else: answer 暂不支持该类型的问题 return jsonify({answer: answer, parsed: parsed}) if __name__ __main__: app.run(host0.0.0.0, port5000, debugFalse)接口的逻辑是接收问句调用解析函数按意图走不同查询拼装自然语言答案返回。参数上host 设成 0.0.0.0 是为了让局域网内其他设备也能访问debug 设成 False 是因为开启 debug 后 Flask 会暴露堆栈信息生产环境不安全。返回结果里带了 parsed 字段方便调试时看实体和意图识别是否正确。5.2 验证问答效果的三个维度与测试用例接口跑起来后怎么判断系统好不好用我一般从三个维度验证实体识别准确率、意图识别准确率、答案完整率。准备 50 条测试问句覆盖四种意图每条问句人工标注正确答案然后跑一遍看命中情况。测试问句预期意图预期实体验证点高血压吃什么药治疗高血压返回药品列表非空糖尿病有哪些症状症状糖尿病返回症状列表非空冠心病挂什么科科室冠心病返回科室名称阿司匹林有什么禁忌禁忌阿司匹林返回禁忌描述测试时重点看两类失败一类是实体没识别到通常是别名没覆盖另一类是意图判错通常是关键词表不够全。这两类问题都不需要改代码补词典和关键词表就能解决。我一般会迭代三轮第一轮跑完补一批别名第二轮补关键词第三轮基本能到 85% 以上的准确率。5.3 一个提升回答质量的小技巧答案模板分级最后分享一个我踩坑后总结的技巧不要把所有答案都拼成一句话返回。医疗问答里用户对“治疗”类问题的期望是看到药品列表对“症状”类问题的期望是看到症状描述对“禁忌”类问题的期望是看到注意事项。我后来把答案模板按意图分级治疗类返回“常用药物A、B、C”症状类返回“常见症状A、B、C”禁忌类返回“注意事项A、B、C”。这样前端拿到后可以直接按模板渲染不用再做二次解析。这个改动很小但用户体感提升很明显。希望帮到你。本文还有配套的精品资源点击获取