零、前言

在上篇文章中，我们共同领略了数据在Neo4j中的奇妙旅程。讲述了如何将拿到的数据存储到neo4j数据库中。

数据的魔法（二）— 医药知识图谱在Neo4j中的奇妙旅程

医药知识图谱的神秘面纱逐渐在迷雾中揭开，今日我们将进入系列的核心部分——问答模块。

穿插一下题外话，发现越到后面的文章，观众越少了= =、寥寥无几的阅读量。

不管怎样，这也算是对自己知识的一种复习和检验，如果你看到了这篇文章，觉得不错的话麻烦点歌赞呗~

好了~言归正传。在这个项目中，问题分类器、问题解析器、答案搜索器是核心点。

它们将如何共同演奏出医学知识的奇幻交响曲？让我们一同揭开这场数字医学的智慧之旅吧~

一、结论

开门见山，直接先展示项目的结果。以下为各种问题的后端接口展示

1.贫血的原因有哪些？

2.风寒不能吃什么食物？

3.感冒治好的概率有多少？

4.番茄对哪些疾病有用处？

5.有些逻辑错误搜索不到结果是的默认回答

接口终于大功告成，这个部分的项目还是有点麻烦的。

当然也存在不少的问题回答不了，这与实现的内部原理有关。接下来就会详细说一下新项目和原项目的调整内容。

二、新旧项目的对比

2.1 输出结果的形式

原项目以命令行窗口的形式输出结果

新项目以接口的形式输出结果

2.2 修改部分逻辑

原项目中对治疗方式并没有采取结点的形式存储，而新项目中的治疗方式为结点的形式存储。

因此在构造sql语句这部分的逻辑是需要改变的。

2.3 问句类型记录方式

原项目中每个情况直接采用字符串的形式，在问题分类器、问题解析器、答案搜集器中需输入多遍。

新项目中将这些字符串统一存放在const.py文件中，可以有效避免字符串输错的低级错误。

三、flask项目搭建

3.1 代码结构

如下图：

每个文件的功能

3.2 核心代码讲述

本项目的核心内容有三个：问题分类器、问题解析器、答案搜索器。下面为这三个内容的详细剖析

1.问题分类器

首先，问题分类器运行的过程如下：

所谓问题分类器，就是根据问句将问题归类。可视化的例子：以头痛的原因有哪些为例。

如下图：

关于疾病的种类一共分为以下18种：

# 问题类型
# 查询疾病的原因
QUESTION_TYPE_DISEASE_CAUSE = "disease_cause"
# 查询疾病的防御措施
QUESTION_TYPE_DISEASE_PREVENT = 'disease_prevent'
# 查询疾病的持续时间
QUESTION_TYPE_DISEASE_DURATION = 'disease_duration'
# 查询疾病的治愈概率
QUESTION_TYPE_DISEASE_CURE_RATE = 'disease_cure_rate'
# 查询疾病的治疗方式
QUESTION_TYPE_DISEASE_CURE_METHODS = 'disease_cure_methods'
# 查询疾病的易发人群
QUESTION_TYPE_DISEASE_SUSCEPTIBLE_PERSON = 'disease_susceptible_person'
# 查询疾病的相关介绍
QUESTION_TYPE_DISEASE_DESC = 'disease_desc'
# 查询疾病有哪些症状
QUESTION_TYPE_DISEASE_SYMPTOM = 'disease_symptom'
# 查询症状会导致哪些疾病
QUESTION_TYPE_SYMPTOM_DISEASE = 'symptom_disease'
# 查询疾病的并发症
QUESTION_TYPE_DISEASE_COMPLICATION = 'disease_complication'
# 查询疾病的忌口
QUESTION_TYPE_DISEASE_AVOIDING_FOOD = 'disease_avoiding_food'
# 查询疾病建议吃的东西
QUESTION_TYPE_DISEASE_EDIBLE = 'disease_edible'
# 已知忌口查疾病
QUESTION_TYPE_AVOIDING_FOOD_DISEASE = 'avoiding_food_disease'
# 已知推荐查疾病
QUESTION_TYPE_EDIBLE_DISEASE = 'edible_disease'
# 查询疾病常用药品－药品别名记得扩充
QUESTION_TYPE_DISEASE_DRUG = 'disease_drug'
# 已知药品查询能够治疗的疾病
QUESTION_TYPE_DRUG_DISEASE = 'drug_disease'
# 查询疾病应该进行的检查
QUESTION_TYPE_DISEASE_INSPECT = 'disease_inspect'
# 已知检查查询疾病
QUESTION_TYPE_INSPECT_DISEASE = 'inspect_disease'

2.问题解析器

问题分类器运行的过程如下：

针对不同的问句类型，生成不同的sql语句。以头痛是什么原因造成的，就会生成下面的sql语句

MATCH (m:Disease) where m.name = '头痛' return m.name, m.cause

3.答案搜索器

答案搜索器运行的过程如下：

答题模板的部分模板内容如下：

• 疾病预防类型：【xxx的预防措施包括：yyy】xxx为疾病名称，yyy为描述
• 疾病常用药品类型：【xxx通常的使用的药品包括：yyy】xxx为疾病名称，yyy为常用药品
• 疾病检查项目类型：【xxx通常可以通过以下方式检查出来：yyy】xxx为疾病名称，yyy为检查的项目

这里展示下其他类型的模板

3.3 多关键词快速匹配算法

这里涉及到了一个ahocorasick算法，这里简单介绍一下它的内容和应用。

想象一下这样一个场景，如果我们有一句话，需要看一下有没有我们对应的关键词内容。正常的思路代码是这样的：时间复杂度为O(N*M)，其中N为text文本长度，M为关键字个数。

def originMatch(text, keywords):
    for i in range(len(keywords)):
        keyword = keywords[i]
        if keyword in text:
            print(f"关键词{keyword}匹配成功")

text = "abccab"
keywords = ["ab", "bc", "ca"]
originMatch(text, keywords)

而ahocorasick算法将这类多关键词匹配文本的算法时间复杂度降到了O(N)，即：只与文本长度有关。

我在解析原项目的时候碰到这个算法就去学习相关内容了，之前写过一篇文章，不懂的但是想知道的同学可以看看。这篇文章就不多叙述这个算法的内容了，主要讲项目。

ahocorasick算法

3.4 其他内容补充

在项目跑起来之前，我们的问题分类器、问题解析器和答案搜素器都需要做相应的初始化内容。

因此关于该函数的调用，我将其运行在flask项目中的app前。

代码如下：

from flask import Flask, request, jsonify
from flask_cors import CORS

from utils import wrapFailData
from const import ERROR_INVALID_PARAMS
from views import processQuestion
from process.prepare import prepareProcess
app = Flask(__name__)
# 支持所有跨域
CORS(app)

handle = prepareProcess()

# 获取接口
@app.route('/getAnswer', methods=['POST'])
def getAnswer():
    params = request.get_json()
    if params is not None and 'question' in params:
        question = params['question']
        return jsonify(processQuestion(handle, question))
    else:
        return jsonify(wrapFailData(**ERROR_INVALID_PARAMS))


if __name__ == '__main__':
    # app.debug = True
    app.run(port=5004)

其中handle = prepareProcess()这一行代码就是做初始化的过程，执行的效果图如下：

四、结语

在整个医药知识图谱系列项目中，本节是最核心关键的内容，直接与问答系统的核心绑定。因此也花了不少的功夫去理解并且重构这部分的内容，也算是有所收获吧。

不容易呀不容易呀~，各位看客老爷要是觉得本文不错的话，点个赞呗~求求啦

五、附

5.1 后续工作

这个项目的重构，终于完成了四分之三，即：原始数据的获取、实体关系的构建、问答系统后端接口搭建。

后续还有最后一个项目，距离胜利的终点，就差一步！

1.前端页面展示项目：打算做成chatGPT相似的页面进行问答展示

5.2 本文源码

源码地址如下：这篇文章的内容涉及的项目为project下的backend文件夹中

https://gitee.com/yz6zy/medical-kgsystem

#2023年度创作挑战##微头条激励计划#