医疗诊断知识图谱
本项目是基于知识图谱的知识问答项目。过程为对问句进行解析，形成若干三元组及相关的操作条件，转换为查询语句，查询数据库返回结果。
KBQA方式的问答包括意图分析、标签（实体、操作符）识别、条件体与目标体识别、查询语句生成等几个关键步骤。
https://mp.weixin.qq.com/s/F-_qyHTsPtlrK77JgWidoA
1.意图分析
1）基于词典规则的意图分类
收集一下能明显区分问题类型的关键词集合，对输入的问句进行词语匹配或者设定规则。
如下医疗问题的分类，根据这些关键词分不同类型
2）基于学习模型的意图分类
通过预先对问句进行意图标注，形成一定规模的标注数据集，然后通过构造分类器进行训练，然后得到分类结果。可以用CNN或者LSTM做意图分类。分类包含单分类，也可能包含多标签分类。例如：我今天为啥会头痛，该怎么办，包含“发病原因 和治疗措施 两个意图，需要多标签分类任务来处理。
一 工程1
/work/myCode/KBQA/MedicalKG/QASystemOnMedicalKG-master
源代码来源： https://github.com/liuhuanyong/QASystemOnMedicalKG/tree/master/data
1.1 配置
python3 （mac本地，conda activate python3)
py2neo
pyahocorasick
1.2 用法
step0： neo4j start (启动neo4j)
step1：nohup python build_medicalgraph.py (将数据导入neo4j图数据库中，大约需要几小时)
step2：python chatbot_graph.py （启动知识图谱诊断应用）
数据库情况
问答展示：
代码结构：
1.3 主要内容
1.对用户输入的query，做问题分类，分类主要靠关键词匹配，匹配到症状，原因，饮食，药物，预防。。等
2.对输入的query，根据问题关键词，将query转为查询语句sql
3.根据查询语句，从图数据库中查询出答案，并调用回复模板来返回。
1.4 存在的问题
1,不支持多轮问答，每轮问答都需要写明问的实体，“感冒怎么治疗” “感冒是什么，怎么治疗” 这种就不行。
2.实体链接不丰富，“头痛”可以支持，“头疼”就不行。
3.代码里写入了太多数据方面的定义，不好扩展到其他领域。
4.不能解决复合问句
二 工程2
/work/myCode/KBQA/MedicalKG/KBQA-for-Diagnosis-main
2.1 源码：
https://github.com/wangle1218/KBQA-for-Diagnosis
2.2 用法：
step0： neo4j start (启动neo4j)
step1：nohup python build_kg/build_kg_utils.py (将数据导入neo4j图数据库中，大约需要几小时)
step2：python start_app.py （启动知识图谱诊断应用）
2.3 主要内容：
-
将json格式的数据导入图数据库中，此处数据来源就是上一个工程，medical.json
build_kg/build_kg_utils.py 导入数据脚本 ./graph_data/medical.json 数据路径 -
使用分类模型，来判断输入query是闲聊类问题，还是医疗诊断问题。分类模型由sklearn 库中的逻辑回归和gdbt实现，两种模型的预测结果概率值做平均，以此来区分是否是闲聊，以及闲聊的类别
代码：nlu/sklearn_Classification 模型训练：train.py 模型预测：clf_model.py 函数：clf_model.predict(text) /nlu/sklearn_Classification/data/intent_recog_data.txt 中定义了闲聊类别：greet，goodbye，accept等 -
对诊断类问题，由意图识别模型判断是哪种意图。模型由bert训练
代码：nlu/bert_intent_recognition 模型训练：train.py 模型构建：bert_model.py 模型预测服务：app.py 基于flask的服务，可以单独运行 意图类别：label中，细分为：定义，病因，预防，传染性，治愈率，治疗时间等。意图识别是先搭建flask服务，再从端口获取意图结果
4.对诊断类问题，获取对应的slot
需要提前标注数据，训练slot模型。模型用bilstm+crf来训练
代码：knowledge_extraction/bilstm_crf
基于knowledge_extraction/bilstm_crf的slot模型训练
模型训练：train.py
服务：app.py
slot标签定义：knowledge_extraction/bilstm_crf/checkpoint/diseases.json
5.对诊断类问题，根据意图和slot，获取答案。此处根据意图置信度做了确认和拒绝回答的处理。
当意图置信度达到一定阈值时(>=0.8)，可以查询该意图下的答案
当意图置信度较低时(0.4~0.8)，按最高置信度的意图查找答案，询问用户是否问的这个问题
当意图置信度更低时(<0.4)，拒绝回答
6.如果是确定的问题，根据slot获取对应的cql语句，然后进行数据库查询，返回答案
cql语句模板定义：config.py
根据组织好的cql语句，在数据库中查询
2.4 其他目录
entity_normalization 实体对齐目录，定义了同一病症不同的说法
faiss_index 一种检索方法，包含数据
knowledge_extraction 知识抽取目录，包含了bert服务部署，bilstm-crf做slot训练，CasRel (??)
nlu/slotgate_slu 基于slotgate的slot训练。包含数据
doc ：一些论文介绍
2.5 一些报错：
1.错误1
解决：降低keras的版本
pip install keras==2.3.1
2.错误2
解决：
pip install 'h5py<3.0.0' -i https://pypi.tuna.tsinghua.edu.cn/simple
3.错误3：
解决：
该报错的文件中import部分，
import keras 改为 import tensorflow.keras
4.报错4
启动知识图谱服务时候报错，端口不支持
原因分析：
使用python连接neo4j数据库时出现了该问题， 原因是py2neo的版本太高。
解决：
下载低版本(如4.3.0)
pip install py2neo==4.3.0 -i https://pypi.douban.com/simple
5.报错5
原因：numpy版本较老，版本不匹配。
解决：
pip install numpy --upgrade --user
三 其他医疗知识图谱构建结构图
3.1 糖尿病知识图谱
数据：https://tianchi.aliyun.com/dataset/dataDetail?dataId=88836
比赛： https://tianchi.aliyun.com/forum?spm=5176.21852664.0.0.44f867963jprX7#raceId=231687
3.2 中文医疗知识图谱 https://tianchi.aliyun.com/dataset/dataDetail?spm=5176.12282016.0.0.681c6d92qv5NDw&dataId=95414
3.3 医疗知识图谱各个实体解析 https://schema.omaha.org.cn/class/ClinicalFinding
汇知医学知识图谱数据 http://wiki.omaha.org.cn/pages/viewpage.action?pageId=31424961
病人事件图谱 https://luckyxuli.github.io/peg/#/
**运维行车设备知识图谱 http://openkg.cn/dataset/qm-data**
中药说明书实体识别数据集 https://tianchi.aliyun.com/dataset/dataDetail?dataId=86819
中医文献问题生成数据集 http://openkg.cn/dataset/tcm-qg
数控机床故障诊断知识图谱 https://github.com/wangrenyisme/Shukongdashi
在线故障诊断平台比赛 http://www.cnsoftbei.com/plus/view.php?aid=353
基于故障诊断的问答系统 https://github.com/LiuYuhanMIO/QA
机械故障数据集 https://github.com/hustcxl/Rotating-machine-fault-data-set
