简介这是一个基于Python与Neo4j图数据库实现的医疗知识图谱智能问答机器人项目源码包适合计算机相关专业毕业设计、课程设计及需要实战练习的学习者。项目涵盖医疗知识图谱构建、问句意图识别、查询语句生成和答案返回等完整流程代码注释详细并附带项目使用说明便于快速部署与二次开发。包内共36个文件以Python源码、文本说明和配置文件为主包含多个py核心模块、pyc编译文件以及png/jpg界面与流程截图总大小15.34MB目录结构清晰适合按模块逐步研读。该资源已有700人学习下载经过严格调试可确保运行。对正在准备毕设或希望掌握知识图谱与问答系统结合实战的读者是一份可直接上手的高分项目参考资料。1. 毕业设计里跑通医疗问答其实卡在 Neo4j 数据建模医疗知识图谱问答机器人的核心不是模型而是把“咳嗽两天、有痰吃什么药”这种口语化问句准确翻译成一段 Neo4j 上的 Cypher。这个毕业设计项目源码里build_medicalgraph.py 负责建图谱question_analysis.py 负责拆问句get_cql.py 负责生成查询chat_robot.py 和 main.py 负责把整个服务串起来。对正在做健康医疗方向毕业设计的 python 学习者来说它比训练一个 NER 模型更容易在答辩现场展示效果。真正动手时python 安装、neo4j 安装与配置、py2neo 版本兼容性才是卡住大多数人的地方而不是算法本身。2. 图谱构建build_medicalgraph.py 的地图式建模2.1 数据目录与实体定义拿到压缩包后data 和 dict 两个目录要最先看。data 里放的是从公开医疗科普页面整理出的原始语料有些是 python 爬虫抓来的公开页面有些是手工整理的 Excel 或 txt常见做法是每个实体一类文件比如 disease.txt、symptom.txt、drug.txt也可能直接放 CSV。dict 目录是供 jieba 使用的自定义词典把词和词性按行写进去例如支气管炎 nz这样分词器才能把医疗术语当作完整词切出来而不是拆成“支气管”和“炎”。知识图谱不能只有实体还要有类型和关系。这个项目沿用了常见的设计节点按语义划分成疾病、症状、药品、食物、检查项目五类关系用动作词表达。下面这张表是根据源码注释整理的节点与关系对应情况写答辩报告时可以直接用。起始节点关系目标节点示例DiseaseHAS_SYMPTOMSymptom肺炎 - HAS_SYMPTOM - 咳嗽DiseaseRECOMMEND_DRUGDrug高血压 - RECOMMEND_DRUG - 硝苯地平DiseaseGOOD_EATFood胃炎 - GOOD_EAT - 小米粥DiseaseNOT_EATFood胃炎 - NOT_EAT - 辣椒DiseaseNEED_CHECKCheck糖尿病 - NEED_CHECK - 空腹血糖建图谱时先清空旧数据再导入避免重复实验时节点堆积。clear_graph.py 就是干这个的里面通常是一条MATCH (n) DETACH DELETE n或通过 py2neo 遍历删除。注意 DETACH DELETE 会连带删除关系普通 DELETE 在有关系时会报错。2.2 连接 Neo4j 的版本细节build_medicalgraph.py 开头一般长这样from py2neo import Graph graph Graph(http://localhost:7474, auth(neo4j, 123456)) graph.run(MATCH (n) DETACH DELETE n)Graph()第一个参数是 Neo4j 的 HTTP 服务地址默认端口 7474浏览器控制台也走这个端口auth是用户名和密码默认用户名是 neo4j。如果你改成 Bolt 协议地址要写成bolt://localhost:7687性能更高但 py2neo 对 Bolt 的支持不如 HTTP 稳定我一般先跑通 HTTP 再换 Bolt。密码是刚装好 Neo4j 时设置的如果忘记去 Neo4j 安装目录的 data/dbms/auth 里重新生成或直接删库重置。这里最容易翻车的是版本匹配。py2neo 2021.2.3 配合 Neo4j 4.4 社区版最省心如果安装的是 Neo4j 5.xpy2neo 很多 API 已经失效建议改用官方 neo4j-driver。源码注释里如果出现py2neo.database.begin这类接口基本说明它面向的是 4.x 版本不必硬上新版。另外 Neo4j Browser 默认只显示前 25 个标签这不代表数据缺失只是可视化阈值限制查数据时用MATCH (n: Disease) RETURN count(n)验证更靠谱。2.3 用批量 Cypher 写入节点和关系逐个graph.run()语句插入会导致事务提交次数太多导入几千条数据就非常慢。项目里更稳妥的写法是拼成列表后用 UNWIND 批量执行def create_relations(graph, relation_type, pairs): graph.run( UNWIND $pairs AS pair MATCH (a:Disease {name: pair.source}) MATCH (b:Symptom {name: pair.target}) MERGE (a)-[r:%s]-(b) % relation_type, {pairs: pairs} )UNWIND把参数里的列表展开成一行行数据MATCH先定位起止节点MERGE保证同一对节点间不会重复建关系。pairs是[{source:肺炎, target:咳嗽}, ...]这种结构$pairs是参数占位符。relation_type直接拼进 Cypher 是为了省事但必须做白名单校验比如if relation_type not in {HAS_SYMPTOM, GOOD_EAT, NOT_EAT}: raise ValueError防止有人把恶意内容拼进查询。节点写入同理可以先用MERGE (d:Disease {name: disease_name})批量建好节点再建关系否则关系会匹配不到节点。3. 问句解析keyword_template.py 与 question_analysis.py 的模板引擎3.1 意图模板与正则匹配问答机器人的第一件事不是查库而是判断用户问的是“病有什么症状”“这个病该吃什么药”还是“哪些检查能确诊”。项目没有用深度学习模型而是用 keyword_template.py 维护了一套模板每类意图给一个可替换实体槽的模式。模板文件里大概长这样INTENT_TEMPLATES { symptom: [{disease}有什么症状, {disease}的症状有哪些, {disease}会怎么样], drug: [{disease}吃什么药, {disease}有哪些药可以吃, {disease}推荐用药], food: [{disease}能吃什么, {disease}不能吃什么, {disease}饮食注意], }question_analysis.py 里会把{disease}替换成正则的命名分组(?Pdisease.?)再把整条模板编译后去匹配用户输入。注意. ?是非贪婪匹配遇到“肺炎吃什么药”会优先把“肺炎”匹配给 entity剩余“吃什么药”就能和模板原文对上了。中文口语变化太多模板必须写得足够密建议给每个意图准备 10 条以上变体否则上线后一堆问句会落进兜底。3.2 用 jieba 加载自定义词表提高命中率模板匹配会把整句拆开但实体可能由多个词组成比如“非小细胞肺癌”如果被切成“非/小/细胞/肺癌”正则抓到的实体就不完整。常见做法是在构建图谱和解析问句时都提前把 dict 目录下的自定义词典加载进 jiebaimport jieba jieba.load_userdict(dict/medical.txt) jieba.add_word(非小细胞肺癌, freq100, tagnz) words jieba.lcut(非小细胞肺癌有什么症状) print(words) # [非小细胞肺癌, 有什么症状]load_userdict一次加载整个文件文件每行格式是“词 词频 词性”词频越大越容易被当成一个整体add_word适合动态补充单个词。注意词频不要设太高否则会把正常句子切坏一般控制在 50 到 100 之间。分词结果不是直接用于匹配而是作为特征词用来判断问句里有没有出现模板之外的同义实体。3.3 同义词扩展与歧义处理医疗场景里同一个实体有多种说法“发热”和“发烧”、“非甾体抗炎药”和“布洛芬”都可能在问句里出现。源码里通常维护一张同义词映射表解析问句前先做一次归一化。SYNONYM { 发热: 发烧, 非小细胞肺癌: 肺癌, } def normalize(question): for alias, standard in SYNONYM.items(): question question.replace(alias, standard) return question归一化之后再走模板匹配能显著提高命中率。但这张表需要人工维护项目里不必追求全量只要把答案库里出现过的实体名和用户最容易说的别名对应上即可。歧义处理相对麻烦比如“感冒”既是病名也是日常口语模板匹配到病名后还要检查该实体是否真的存在于 Neo4j 中不存在就回退到“换种问法”的提示而不是盲目生成空查询。4. get_cql.py 生成查询把意图翻译成 Neo4j 的 Cypher4.1 意图到 CQL 模板映射问句解析得到的是(intent, entity)get_cql.py 再把它翻译成 Cypher。直接拼字符串虽然简单但容易出语法错。项目里比较成熟的写法是维护一个意图到查询模板的字典模板里用{}占位def get_cql(intent, entity): cql_templates { symptom: MATCH (d:Disease {name: {e}})-[:HAS_SYMPTOM]-(s:Symptom) RETURN s.name, drug: MATCH (d:Disease {name: {e}})-[:RECOMMEND_DRUG]-(m:Drug) RETURN m.name, not_food: MATCH (d:Disease {name: {e}})-[:NOT_EAT]-(f:Food) RETURN f.name, } if intent not in cql_templates: return return cql_templates[intent].format(eentity){e}会被 format 成具体的疾病名MATCH从疾病节点出发沿对应关系到目标节点RETURN只取名字字段。注意疾病节点名要加单引号Cypher 的字符串就是单引号中文不需要额外转义。实体来自用户输入直接 format 会有注入风险所以在此之前一定要用白名单过滤或参数化查询参数化的写法是用$entity占位传给 graph.run。4.2 条件组合查询的写法有的问题不是单条件比如“高血压伴糖尿病能吃什么药”要同时约束两种疾病。此时单纯模板不够get_cql.py 里会用WHERE加多条匹配条件query MATCH (d1:Disease {name: $d1})-[:RECOMMEND_DRUG]-(d:Drug) MATCH (d2:Disease {name: $d2})-[:RECOMMEND_DRUG]-(d:Drug) RETURN DISTINCT d.name rows graph.run(query, d1高血压, d2糖尿病).data()这里两条MATCH共同约束同一个药品节点d等价于“两种病都推荐这个药”。用$d1、$d2参数传值既能避免拼接字符串的转义问题也让执行计划可以复用。DISTINCT去掉重复结果因为两个路径可能命中同一个药品。组合查询容易忽略的是关系方向箭头反了就查不到结果调试时先去掉后半条 MATCH单独验证每段路径。4.3 空结果与多结果处理查询会返回空列表或者几十条记录直接原样展示体验很差。答案处理一般在 get_answer.py 里做但 CQL 部分要考虑返回字段的统一我习惯统一RETURN s.name AS name这样下游不用关心节点类型。空结果时返回“暂时没有收录这个问题的答案”多结果时做去重和截断比如只展示前 5 条。def format_answer(intent, entity, rows): if not rows: return f我还没学会回答「{entity}」相关的问题 names [row[name] for row in rows if row.get(name)] if intent drug: return f{entity}可以尝试使用{、.join(names[:5])} if intent symptom: return f{entity}的常见症状有{、.join(names[:5])} return 、.join(names[:5])这里把数据库返回的字典列表统一成 name 字段再做中文逗号拼接。names[:5]防止答案过长刷屏。要注意 Neo4j 的.data()返回的是元素为 dict 的列表直接访问row[name]如果节点属性名拼错会 KeyError建议在调试时先print(rows)看输出结构。5. 主流程chat_robot.py 与 main.py 把问答闭环跑起来5.1 命令行对话入口chat_robot.py 主要做编排把解析、CQL、查库、组答案串成一条流水线。为了调试方便它通常保留一个命令行入口启动后可以在终端里连续提问不用每次启动 Flaskdef handle_question(question): intent, entity question_analysis.parse(question) if not entity: return 请把疾病或症状名称说完整 cql get_cql(intent, entity) rows graph.run(cql).data() return get_answer.format_answer(intent, entity, rows) if __name__ __main__: while True: q input(你问) if q.strip() in {exit, quit}: break print(答, handle_question(q))handle_question是核心函数也可以被 Flask 复用。input()在 PyCharm 或 vscode python 环境配置正确时支持中文输入在 Windows 老版本终端里可能乱码这时需要把PYTHONIOENCODINGutf-8加到环境变量里。命令行入口的意义在于快速验证图谱数据对不对绕过 Web 层的问题。5.2 基于 Flask 的 Web 问答接口main.py 一般承担 Web 服务提供 POST 接口给前端页面和接口调用方。最小可用实现from flask import Flask, request, jsonify app Flask(__name__) app.route(/chat, methods[POST]) def chat(): payload request.get_json() question payload.get(question, ) answer handle_question(question) return jsonify({question: question, answer: answer}) if __name__ __main__: app.run(host0.0.0.0, port5000, debugTrue)接口只接收 JSON字段是question返回也是 JSON前端拿到后直接渲染。host0.0.0.0让局域网内其他机器也能访问演示时手机访问电脑 IP 加端口即可debugTrue开发时能看到报错部署时一定要改成 False否则会暴露堆栈。注意get_json()在请求头没有Content-Type: application/json时会报 415外行调试常常卡在这个 415 上。5.3 static 前端与请求联调static 目录里是聊天页面通常是 HTML jQuery 向/chat发 AJAX。如果直接用浏览器打开 HTML 文件请求会跨域因为文件协议和 http 协议不同源。解决办法是在 Flask 里开启 CORS或者干脆把 index.html 放到 Flask 的 templates 目录里用render_template返回。源码里没有拉起前端框架所以演示时直接访问http://localhost:5000/是最省事的。curl -X POST http://localhost:5000/chat \ -H Content-Type: application/json \ -d {question: 肺炎有什么症状}这条 curl 命令用于验证服务是否正常-X POST指定请求方法-H设置 JSON 头-d是请求体。返回的 JSON 里 answer 字段就是最终答案。如果你看到 Neo4j 查询成功但前端空白先单独 curl 一下就能确定问题在服务端还是页面。6. Neo4j 安装与配置、常见报错及后续优化6.1 Neo4j 配置要点运行这个项目前先把 Neo4j 装好。社区版下载 zip 后解压Windows 在 bin 目录执行neo4j.bat consolemac/Linux 执行neo4j console前台启动。首次启动后浏览器访问http://localhost:7474按提示修改默认密码。如果只想做毕设演示用 HTTP 端口就够了。内存相关的配置在 conf/neo4j.conf 里我使用的是dbms.memory.heap.initial_size512m dbms.memory.heap.max_size1G dbms.memory.pagecache.size512m6.2 高频报错排查表报错信息原因处理Failed to start Neo4j7474 端口被占用netstat -ano | findstr 7474查 PID 后结束进程The client is unauthorized密码错误或未修改用 neo4j 浏览器登录后重置密码ServiceUnavailable / Connection refused服务没启动或地址写错确认 7474/7687 端口能访问ModuleNotFoundError: py2neopython 环境配置缺失在激活的虚拟环境执行pip install py2neo2021.2.3Cannot perform operation: Broken pipeNeo4j 版本与驱动不匹配降级 Neo4j 到 4.4 或换 neo4j-driver排查时先看 Neo4j 控制台日志一般报错信息会直接指明端口或认证问题再看 Python 端抛出的异常类型是 Neo4j 驱动错误还是 Flask 路由错误不要一上来就改图谱。6.3 让答案更聪明的三个方向时间有余的话可以给这个机器人做三个小升级。第一在模板匹配之外加入固定句式纠错把“肺炎应该吃什么”里的“应该”去掉再匹配能提几个点。第二把 keyword_template.py 里的模板做成外部 JSON这样改问法不用动代码答辩时方便现场加例子。第三对空结果做一次近似推荐用 jieba 把实体切词后在 Neo4j 里用 CONTAINS 做模糊查询MATCH (d:Disease) WHERE d.name CONTAINS $part RETURN d.name LIMIT 5这种兜底可以极大减少“查不到”的尴尬。真正的体验优化都在边界处理里多做几个异常问句比你调十版向量模型更容易讲清楚。本文还有配套的精品资源点击获取