[Datawhale Camp] Task02- 基于医疗知识图谱的问答系统操作介绍

1. Intro

1.1 任务理解

需要将医疗数据导入到 Neo4j 数据库，并成功建立节点、主要以疾病名称（name）为实体所延伸的栏位，例如：疾病的症状描述（Symptom）、好發群体（Age）、發生部位（part）…etc 。
建立而成的医疗知识图谱，将能帮助我们看到：各个疾病之间在好發群体、疾病發生部位、治疗药物等等的关係呈现。

2. 实战练习

2.1 数据读取

用 pandas 读入，原数据14336条内容，简单看下前五条是：阳痿、乙肝、癫痫、月经不调、颈椎病等。依照任务来看，他们是本次医疗知识图谱的『实体』，也是 build_graph.py 的第一步：create_node。

編碼格式 GB18030 是跟簡體中文字符相關的編碼方式：

GB18030，全稱《信息技術　中文編碼字符集》，是中華人民共和國國家標準所規定的變長多位元組字元集。其對GB2312-1980完全向下相容，與GBK基本向下相容，並支援Unicode（GB 13000）的所有碼位。GB18030共收錄漢字70,244個。
(Source: 維基百科)

主要有以下特點：

• 採用變長多位元組編碼，每個字可以由1個、2個或4個位元組組成。編碼空間龐大，最多可定義161萬個字元。
• 完全支援Unicode，無需動用造字區即可支援中國國內少數民族文字、中日韓和繁體漢字以及emoji等字元。

2.2 实现步骤

首先需要辨识哪些栏位为实体的『Attribute（属性）』，哪些是作为实体与实体之间的『Relationship（关係）』。

• 跑的时间：大约为 1.5 hr。
• 主要有三步骤

1. Create disease node: 创建疾病实体，然后这个疾病的属性包含了：age（年龄）、infection（传染性）、insurance（医保）、treatment（治疗方法）、checklist（检查项目）、period（治癒週期）、rate（治癒率）、money（费用）。

2. Create node

• Symptom（症状）
• Alias（别名）
• Part（部位）
• Department （科室）
• Complication （併發症）
• Drug（药品）

3.Create relationship
这裡用了 set() 针对重複的关係去重之后，由于每一笔资料都是独立的，因此无序是可以接受的，接着针对每一条数据执行 create relationship 写回 Neo4j 数据库。

整体执行完后，关于边的数量统计如下：
查询特定的疾病关係，以月经失调为例：

下图将同属妇科的实体一起展开来看（这裡不只包含了疾病，也包含了前面所创建的各种实体 e.g. 症状、别名、部位、併發症…etc。

2.3 熟悉 Cypher 语法的操作

# query count of relationship
	MATCH (n)-[r]->() RETURN type(r), count(*)
	
# query specific name
	MATCH (n)-[r]->() 
	WHERE n.name='月经不调'
	RETURN n,r

# delete all nodes
	MATCH (n)
	OPTIONAL MATCH (n)-[r]-()
	DELETE n,r

2.4 问答系统操作

Q: 询问月经失调怎麽治


Q: 出现 error 的情形，当询问的问题无关键字或是不明确的时候，会自动退出查询程序。e.g. 输入繁体字 or 输入女生常说的『大姨妈』。

• 可能原因：应该是关键字不在 merge_sgns_bigram_char300.txt 当中

参考来源

1. 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
2. QASystemOnMedicalGraph
3. brew update 长时间没反应解决办法或长时间卡在Updating Homebrew
4. Neo4j Doc - Cypher Functions