Datawhale 知识图谱组队学习 之 Task 2 基于医疗知识图谱的问答系统操作介绍

文章编写人：芙蕖

github 地址：

特别鸣谢：QASystemOnMedicalGraph

目录

• Datawhale 知识图谱组队学习 之 Task 2 基于医疗知识图谱的问答系统操作介绍
  • 目录
  • 一、引言
  • 二、运行环境
  • 三、搭建知识图谱
  • 四、启动问答测试
  • 参考资料

一、引言

• 该项目主要分为两部分：

  • 第一部分：搭建知识图谱。该部分的具体讲解将在 Datawhale 知识图谱组队学习 之 Task 3 Neo4j图数据库导入数据进行介绍；
  • 第二部分：启动问答测试。构建一个简单的基于 知识图谱 的对话系统，该部分的具体讲解将在 Datawhale 知识图谱组队学习 之 Task 4 用户输入->知识库的查询语句 和 Datawhale 知识图谱组队学习 之 Task 5 Neo4j 图数据库查询 进行分别介绍；

• 本节的核心目标是 从 全局对项目的运行过程进行介绍和讲解；学习者能够跑通整个项目。

二、运行环境

• python3.0及以上
• neo4j 3.5.0及以上
• jdk 1.8.0

三、搭建知识图谱

运行该过程，请确保已经安装好 neo4j 和 jdk

运行 以下命令：

    python build_graph.py 
​

注：由于数据量比较大，所以该过程需要运行几个小时

运行介绍之后，打开浏览器进入网址：http://localhost:7474/browser/，可以看到我们导入的数据的知识图谱，如下：

https://www.aiknowledge.cn/images/team-learning-nlp/.webp

图 9 知识图谱 展示图

四、启动问答测试

运行 以下命令：

    python kbqa_test.py
​

运行结果如下图所示：

https://www.aiknowledge.cn/images/team-learning-nlp/20201228191301.webp

五、代码目录介绍

• data:存放数据
• img:存放readme里的图片
• model：存放训练好的tfidf模型和意图识别模型
• build_graph.py:构建图，详见task03
• entity_extractor.py:抽取问句中的实体和识别意图，详见task04
• search_answer.py:根据不同的实体和意图构造cypher查询语句,查询图数据库并返回答案，详见task05

参考资料

1. QASystemOnMedicalGraph