本篇文章内容来源于刘焕勇老师在Github上的开源项目。https://github.com/liuhuanyong/QASystemOnMedicalKG

如果打不开或者是想要数据集、源码等文件，或者是帮忙调试程序请评论留言~

项目介绍详细方案，架构等问题不再赘诉，相关链接里已经介绍很详细。这里主要着重于运行程序和代码理解（因为代码很详细，包括运行过程、结果，整篇文章可能较长）。

我用的软件相关版本：

pycharm 2021.3

neo4j 4.2.19 (community)

python 3.7

py2neo 2021.2.3

先放部分效果图：左边是图谱的一部分，右边是实体的一些属性，包括疾病原因、科室、治疗时间、治疗药物等。

首先创建一个 MedicalGraph 类，定义一个连接数据库的方法。这里需要注意的是连接 Graph 语法的问题，旧版本是需要 username="xxx", password="xxx"。

<code> def __init__(self):

cur_dir = '/'.join(os.path.abspath(__file__).split('/')[:-1])

self.data_path = os.path.join(cur_dir, 'data/medical2.json')

self.g = Graph("http://localhost:7474", auth=("neo4j", "***"))

self.g.delete_all()

数据集的话是之前刘老师已经在网上爬虫好的json文件，长这个样子。

 为了看官们舒适体验感和有助于下面代码理解，我还是把实体类型拿过来贴一下，单纯看json文件有些乱。。

实体关系类型：

知识图谱属性类型：

好了，我们回到代码，这里有一个主程序，将MedicalGraph()类实例化，然后创建结点和关系，我们点进去看看程序的执行过程。

 首先，创建知识图谱实体结点类型，这里定义了如下结点和关系，对应之前的表格很好理解。

Drugs, Foods, Checks, Departments, Producers, Symptoms, Diseases, disease_infos,rels_check, rels_recommandeat, rels_noteat, rels_doeat, rels_department, rels_commonddrug, rels_drug_producer, rels_recommanddrug,rels_symptom, rels_acompany, rels_category

然后我们进去create_diseases_nodes创建一些疾病的信息。

<code> def create_graphnodes(self):

Drugs, Foods, Checks, Departments, Producers, Symptoms, Diseases, disease_infos,rels_check, rels_recommandeat, rels_noteat, rels_doeat, rels_department, rels_commonddrug, rels_drug_producer, rels_recommanddrug,rels_symptom, rels_acompany, rels_category = self.read_nodes()

self.create_diseases_nodes(disease_infos)

self.create_node('Drug', Drugs)

print(len(Drugs))

self.create_node('Food', Foods)

print(len(Foods))

self.create_node('Check', Checks)

print(len(Checks))

self.create_node('Department', Departments)

print(len(Departments))

self.create_node('Producer', Producers)

print(len(Producers))

self.create_node('Symptom', Symptoms)

return

 我们注意到第一行代码最右边等于 self.read_nodes() ，这其实就是在读取数据。这个时候跳转到我们定义的 read_nodes方法。

注意我们还是在create_graphnodes方法中，只不过跳转到了其他方法之中，这段代码有点长，思路不要乱！

def read_nodes(self):

# 共７类节点

drugs = [] # 药品

foods = [] # 食物

checks = [] # 检查

departments = [] #科室

producers = [] #药品大类

diseases = [] #疾病

symptoms = []#症状

disease_infos = []#疾病信息

# 构建节点实体关系

rels_department = [] # 科室－科室关系

rels_noteat = [] # 疾病－忌吃食物关系

rels_doeat = [] # 疾病－宜吃食物关系

rels_recommandeat = [] # 疾病－推荐吃食物关系

rels_commonddrug = [] # 疾病－通用药品关系

rels_recommanddrug = [] # 疾病－热门药品关系

rels_check = [] # 疾病－检查关系

rels_drug_producer = [] # 厂商－药物关系

rels_symptom = [] #疾病症状关系

rels_acompany = [] # 疾病并发关系

rels_category = [] # 疾病与科室之间的关系

count = 0

for data in open(self.data_path):

disease_dict = {}

count += 1

print(count)

data_json = json.loads(data)

disease = data_json['name']

disease_dict['name'] = disease

diseases.append(disease)

disease_dict['desc'] = ''

disease_dict['prevent'] = ''

disease_dict['cause'] = ''

disease_dict['easy_get'] = ''

disease_dict['cure_department'] = ''

disease_dict['cure_way'] = ''

disease_dict['cure_lasttime'] = ''

disease_dict['symptom'] = ''

disease_dict['cured_prob'] = ''

if 'symptom' in data_json:

symptoms += data_json['symptom']

for symptom in data_json['symptom']:

rels_symptom.append([disease, symptom])

if 'acompany' in data_json:

for acompany in data_json['acompany']:

rels_acompany.append([disease, acompany])

if 'desc' in data_json:

disease_dict['desc'] = data_json['desc']

if 'prevent' in data_json:

disease_dict['prevent'] = data_json['prevent']

if 'cause' in data_json:

disease_dict['cause'] = data_json['cause']

if 'get_prob' in data_json:

disease_dict['get_prob'] = data_json['get_prob']

if 'easy_get' in data_json:

disease_dict['easy_get'] = data_json['easy_get']

if 'cure_department' in data_json:

cure_department = data_json['cure_department']

if len(cure_department) == 1:

rels_category.append([disease, cure_department[0]])

if len(cure_department) == 2:

big = cure_department[0]

small = cure_department[1]

rels_department.append([small, big])

rels_category.append([disease, small])

disease_dict['cure_department'] = cure_department

departments += cure_department

if 'cure_way' in data_json:

disease_dict['cure_way'] = data_json['cure_way']

if 'cure_lasttime' in data_json:

disease_dict['cure_lasttime'] = data_json['cure_lasttime']

if 'cured_prob' in data_json:

disease_dict['cured_prob'] = data_json['cured_prob']

if 'common_drug' in data_json:

common_drug = data_json['common_drug']

for drug in common_drug:

rels_commonddrug.append([disease, drug])

drugs += common_drug

if 'recommand_drug' in data_json:

recommand_drug = data_json['recommand_drug']

drugs += recommand_drug

for drug in recommand_drug:

rels_recommanddrug.append([disease, drug])

if 'not_eat' in data_json:

not_eat = data_json['not_eat']

for _not in not_eat:

rels_noteat.append([disease, _not])

foods += not_eat

do_eat = data_json['do_eat']

for _do in do_eat:

rels_doeat.append([disease, _do])

foods += do_eat

recommand_eat = data_json['recommand_eat']

for _recommand in recommand_eat:

rels_recommandeat.append([disease, _recommand])

foods += recommand_eat

if 'check' in data_json:

check = data_json['check']

for _check in check:

rels_check.append([disease, _check])

checks += check

if 'drug_detail' in data_json:

drug_detail = data_json['drug_detail']

producer = [i.split('(')[0] for i in drug_detail]

rels_drug_producer += [[i.split('(')[0], i.split('(')[-1].replace(')', '')] for i in drug_detail]

producers += producer

disease_infos.append(disease_dict)

return set(drugs), set(foods), set(checks), set(departments), set(producers), set(symptoms), set(diseases), disease_infos,\

rels_check, rels_recommandeat, rels_noteat, rels_doeat, rels_department, rels_commonddrug, rels_drug_producer, rels_recommanddrug,\

rels_symptom, rels_acompany, rels_category

 进行读取文件操作(debug一下，看看代码每一步都在做些什么)

我们能够看到我们创建这些 list 成功，现在里面并没有值，下一步应该执行取数据操作，在我们的data里取第一行数据，第一行数据病症的name是肺泡蛋白质沉积症。 

 结合代码，我们看到已经读取数据的时候已经把每一个对应的信息放到了list里。如果 sympton 在 data_json中(data_json就是当前行数据)，然后开始循环这个列表取数据。比如说，当前是“肺泡蛋白质沉积症”，它的症状有五个分别是['紫绀','胸痛','呼吸困难','乏力','毓卓']，我们进入for循环取数据，添加到关系之中。程序继续向下运行，同样的道理，判断并发症是否在data_json中，以及病症描述、预防、原因等等。

如果 sympton 在 data_json中(data_json就是当前行数据)，然后开始循环这个列表取数据。比如说，当前是“肺泡蛋白质沉积症”，它的症状有五个分别是['紫绀','胸痛','呼吸困难','乏力','毓卓']，（这里数据不太好，可能因为数据是爬取的，症状中还出现了人名）我们进入for循环取数据，添加到关系之中。程序继续向下运行，同样的道理，判断并发症是否在data_json中，以及病症描述、预防、原因等等。 

需要注意的是，我们的科室之间也存在关系，比如 ['内科'，'呼吸内科']，这时候我们取数据要判断列表的长度，如果长度为1说明只有一个数据，如果长度为2，就要分大小科室。还有drug_details的形式和其他的有所不同，包括了药品名和生产厂商，所以需要注意一下提取方式。然后继续for循环，取第2条数据，直到所有数据都取完。

所有的数据读取完之后，第一条命令执行完毕，我们再回到最初的create_graphnodes方法，执行第二条语句。

执行 create_diseases_nodes方法。该方法是创建知识图谱中心疾病的结点，给结点创建一些它的信息，如右边的信息:

<code> def create_diseases_nodes(self, disease_infos):

count = 0

for disease_dict in disease_infos:

node = Node("Disease", name=disease_dict['name'], desc=disease_dict['desc'],

prevent=disease_dict['prevent'] ,cause=disease_dict['cause'],

easy_get=disease_dict['easy_get'],cure_lasttime=disease_dict['cure_lasttime'],

cure_department=disease_dict['cure_department']

,cure_way=disease_dict['cure_way'] , cured_prob=disease_dict['cured_prob'])

self.g.create(node)

count += 1

print(count)

return

这里的disease_infos 是我们之前就定义好的list, 在读取数据操作的时候已经执行了disease_infos.append(disease_dict) 将数据存放进去。所以我们遍历创建结点就可以了。

 然后依次创建其他结点，也就是药品的结点、食物的结点、检查、科室等等其他相关信息的结点。 

def create_node(self, label, nodes):

count = 0

for node_name in nodes:

node = Node(label, name=node_name)

self.g.create(node)

count += 1

print(count, len(nodes))

return

所有结点建立完成之后，到这里我们的创建知识图谱实体结点方法结束，也就是handler.create_graphnodes()执行结束，开始执行 handler.create_graphrels()。

def create_graphrels(self):

Drugs, Foods, Checks, Departments, Producers, Symptoms, Diseases, disease_infos, rels_check, rels_recommandeat, rels_noteat, rels_doeat, rels_department, rels_commonddrug, rels_drug_producer, rels_recommanddrug,rels_symptom, rels_acompany, rels_category = self.read_nodes()

self.create_relationship('Disease', 'Food', rels_recommandeat, 'recommand_eat', '推荐食谱')

self.create_relationship('Disease', 'Food', rels_noteat, 'no_eat', '忌吃')

self.create_relationship('Disease', 'Food', rels_doeat, 'do_eat', '宜吃')

self.create_relationship('Department', 'Department', rels_department, 'belongs_to', '属于')

self.create_relationship('Disease', 'Drug', rels_commonddrug, 'common_drug', '常用药品')

self.create_relationship('Producer', 'Drug', rels_drug_producer, 'drugs_of', '生产药品')

self.create_relationship('Disease', 'Drug', rels_recommanddrug, 'recommand_drug', '好评药品')

self.create_relationship('Disease', 'Check', rels_check, 'need_check', '诊断检查')

self.create_relationship('Disease', 'Symptom', rels_symptom, 'has_symptom', '症状')

self.create_relationship('Disease', 'Disease', rels_acompany, 'acompany_with', '并发症')

self.create_relationship('Disease', 'Department', rels_category, 'belongs_to', '所属科室')

同样的，我们还需要读一遍数据取其中结点之间的关系，从第二条命令开始执行create_relationship方法，创建实体关系边。

create_relationship代码如下：

def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):

count = 0

# 去重处理

set_edges = []

for edge in edges:

set_edges.append('###'.join(edge))

all = len(set(set_edges))

for edge in set(set_edges):

edge = edge.split('###')

p = edge[0]

q = edge[1]

query = "match(p:%s),(q:%s) where p.name='%s'and q.name='%s' create (p)-[rel:%s{name:'%s'}]->(q)" % (code>

start_node, end_node, p, q, rel_type, rel_name)

try:

self.g.run(query)

count += 1

print(rel_type, count, all)

except Exception as e:

print(e)

return

 依次建立每一个实体的关系边，到这我们的图谱就建立起来了！

以上内容是我自己的见解，难免存在错误和不足，欢迎探讨！！再次感谢刘老师的开源项目。