【知识图谱】基于neo4j构建医疗领域知识图谱_neo4j构建知识图谱的教程

前文中我们通过爬虫收集医疗领域结构化数据medical.json，数据中包含实体规模4.4112万，实体关系24万。
medical.json资源链接:https://download.csdn.net/download/chenghao1012/89246979

医疗知识图谱的数据库迁移参考教程：https://editor.csdn.net/md/?articleId=137857310
医疗知识图谱dump文件资源链接: https://download.csdn.net/download/chenghao1012/89217606

探讨知识图谱问题，下载所需资源欢迎联系
微信账号： zskp1012
欢迎关注小红书账号：知识靠谱

知识图谱本体建模

在数据库中构建了三元组并且这些三元组形成了结构化的数据关系，进行知识图谱建模。知识图谱是一种用于表示和组织实体、属性和它们之间关系的图形结构。三元组（Subject, Predicate, Object）是知识图谱中的基本构建块，每个三元组都可以被看作是一个图中的边，连接两个节点（实体）。这些节点和边的组合形成了一个图，其中节点表示实体，边表示实体之间的关系。这种方式可以用于构建一个基本的知识图谱。

具体以下几个方面：
实体（Entities）： 你的数据库中的记录是知识图谱中的实体。每个实体对应于一个节点。
属性（Properties）： 数据库中的字段可以被视为实体的属性。这些属性可以形成连接实体的边。
关系（Relationships）： 三元组中的谓词（Predicate）对应于实体之间的关系。关系连接两个实体。
本体（Ontology）： 如果你想要对实体和关系进行更详细的定义和注释，可以考虑使用本体。

1.知识图谱实体类型

知识图谱实体类型如下图所示：

2. 知识图谱实体关系类型

知识图谱实体关系类型，如下图所示：

# 构建节点实体关系，共11类
        rels_department = []
        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
1
2
3
4
5
6
7
8
9
10
11
12

3. 知识图谱实体属性类型

知识图谱实体属性类型，如下图所示：

构建neo4j知识图谱

构建知识图谱首先需要安装neo4j图数据库，相关安装教程如下：
neo4j桌面版安装教程: https://blog.csdn.net/chenghao1012/article/details/136736760
neo4j社区版安装教程:https://blog.csdn.net/chenghao1012/article/details/135931544

创建并启动医疗领域知识图谱

打开已安装好的neo4j,点击Add 添加数据库,填写如下信息后create。
数据库名称：医疗领域知识图谱( 名字都可以随便取)
选择版本4.4.18
密码：12345678

点击start启动数据库

图谱创建python脚本介绍

根据字典形式的数据创建结点，以疾病为中心定义关系形成三元组表示的知识，将结点和关系导入neo4j数据库形成知识图谱，通过运行build_medicalgraph.py脚本构建图谱。

该脚本构建了一个MedicalGraph类，定义了Graph类的成员变量g和json数据路径成员变量data_path。

1.Python连接Node4j数据库

from py2neo import Graph
class AnswerSearcher:
    def __init__(self):#调用数据库进行查询
        # self.g = Graph("bolt://localhost:7687", username="neo4j", password="12345678")#老版本neo4j
        self.g = Graph("bolt://localhost:7687", auth=("neo4j", "12345678"))#输入自己修改的用户名，密码

1
2
3
4
5
6

2.创建图对象

#对绝对路径进行拼接 获取json文件路径
 self.data_path = os.path.join(cur_dir, 'data/medical.json') 
class MedicalGraph:
    def __init__(self):
        cur_dir = '/'.join(os.path.abspath(__file__).split('/')[:-1])
        self.data_path = os.path.join(cur_dir, 'data/medical.json')# 对绝对路径进行拼接 获取json文件路径 这里使用的Jason为部分数据量
        # self.g = Graph("http://localhost:7474", username="neo4j", password="12345678")#老版本neo4j
        self.g = Graph("bolt://localhost:7687", auth=("neo4j", "12345678"))
1
2
3
4
5
6
7
8

3.增加node节点:

 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
1
2
3
4
5
6
7
8

4.创建实体关系:

  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')#调用下面的关系边创建函数
        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')

1
2
3
4
5
6
7
8
9
10
11
12
13
14

5.两个节点新加关系：

from py2neo import Graph, Node, Relationship, NodeMatcher, Subgraph

g = Graph('http://localhost:7687', auth=("neo4j", "123456"))

matcher = NodeMatcher(g)

fugui = matcher.match('Person', name='节点名称1').first()
youqian = matcher.match('Person', name='节点名称2').first()

relation = Relationship(节点名称1, '所要建立的关系', 节点名称2)

g.create(relation)
1
2
3
4
5
6
7
8
9
10
11
12

运行创建图谱

运行build_medicalgraph.py脚本构建图谱：

医疗实体数据导入

医疗实体关系数据导入

脚本运行完之后查看neo4j数据库中构建的知识图谱。

建立的图谱实体关系和属性类型数量有点多，需要等待一会儿（两三个小时）。耐心等待就可以，因为我们这个爬取的数据量大，知识图谱如果数据量不足，构建的实体关系和属性类型再多再合适也没用，大数据下的知识图谱才有更强的问答能力。

通过数据库迁移可实现快速部署知识图谱，需要创建完的医疗领域知识图谱的数据库迁移dump文件，
数据库迁移参考教程：https://editor.csdn.net/md/?articleId=137857310

医疗知识图谱dump文件资源链接: https://download.csdn.net/download/chenghao1012/89217606

医疗领域知识图谱可视化

至此医疗领域知识图谱创建完成，水平有限，如有问题欢迎多做交流！！！

探讨知识图谱问题，下载所需资源欢迎联系
微信账号： zskp1012
欢迎关注小红书账号：知识靠谱