企业官网建设流程全解析

简介：本资源为基于Python的医疗知识图谱问答系统完整源码，面向计算机相关专业学生与开发者，可用于毕业设计、期末大作业或课程设计场景，帮助解决知识图谱构建与智能问答落地的实际问题。压缩包共70个文件，约51.62MB，以32个py源码文件为核心，辅以json数据、pkl模型、docx文档、bat启动脚本及txt说明等，覆盖知识抽取、意图识别、实体识别与图谱构建等模块，结构清晰便于二次开发。目前已有95人学习下载。项目含详细代码注释，新手也能看懂，作者自述为手打98分高分项目，经严格调试可稳定运行，下载后简单部署即可使用。读者可获得完整的医疗知识图谱问答实现方案、可复用的NLP处理脚本与排错思路，适合作为毕设参考或课程实践模板，具有较高的实际应用与学习价值。

1. 从一份医疗问答源码说起：这套东西到底能跑出什么

如果你正在找一份能直接跑起来的 Python 毕业设计，又不想拿那种“增删改查 + 登录注册”的烂大街模板交差，那这套基于医疗知识图谱的问答系统源码值得花时间拆一遍。它的核心链路很清晰：用户输入一句自然语言问诊式的问题，系统先做意图识别，再从医疗知识图谱里检索实体和关系，最后拼出一句人话回答。整条链路涉及 BERT 意图分类、BiLSTM 命名实体识别、Neo4j 图数据库查询、Flask 接口封装，技术栈覆盖了 NLP 和知识图谱两个方向，答辩的时候能讲的东西比纯 Web 项目多得多。

这套源码的目录结构里能看到nlu、intent_recg_bert、knowledge_extraction、build_kg、itchat_app.py这些模块，说明它不是只有一个空壳界面，而是把“知识抽取 → 图谱构建 → 语义理解 → 问答推理”整条流水线都写进去了。适合谁？适合计算机相关专业做毕设的学生，也适合想入门知识图谱问答但不知道从哪下手的新手。下面我按实际部署和调试的顺序，把这份资源拆开讲。

2. 环境准备与依赖安装：先把 requirements.txt 读明白

2.1 这份源码的技术栈拆解

拿到压缩包解压之后，先别急着pip install，花五分钟把目录结构和依赖文件过一遍，能省掉后面很多返工。从文件清单来看，这套系统大致分成四层：

第一层是数据层，data和processed_data目录存放原始医疗文本和预处理后的数据，build_baiduie_data.py负责把原始语料转成模型训练需要的格式。第二层是知识抽取层，knowledge_extraction下面有bilstm模块，用 BiLSTM 做命名实体识别，把医疗文本里的疾病、症状、药物、检查项等实体抽出来。第三层是图谱构建层，build_kg和build_kg_utils.py负责把抽取出来的实体和关系写入图数据库。第四层是应用层，nlu做意图识别，intent_recg_bert用 BERT 做分类，itchat_app.py和local.py提供问答入口。

requirements.txt里通常会包含torch、transformers、flask、py2neo、sklearn、pandas、numpy这些包。这里有个血泪经验：transformers和torch的版本必须匹配，否则加载 BERT 模型时会报ImportError或者AttributeError。我一般会先建一个干净的虚拟环境，再按requirements.txt装，装完手动验证一下torch.cuda.is_available()是否可用。

2.2 虚拟环境与依赖安装实操

不要用系统 Python 直接装，依赖冲突会让你怀疑人生。下面是我习惯的流程：

# 创建虚拟环境，Python 版本建议 3.8 或 3.9 python -m venv medkg_env # 激活环境（Windows） medkg_env\Scripts\activate # 激活环境（Linux / macOS） source medkg_env/bin/activate # 升级 pip，避免旧版解析依赖出问题 pip install --upgrade pip # 安装项目依赖 pip install -r requirements.txt

装完之后重点检查三个包：torch能不能正常 import、transformers版本是否和torch兼容、py2neo能不能连上 Neo4j。如果requirements.txt里没锁版本，建议手动固定，比如transformers==4.6.0配torch==1.8.0是比较稳的组合。参数上，torch的 CUDA 版本要和本机显卡驱动匹配，没显卡就用 CPU 版，训练会慢但推理能跑。

提示：如果pip install卡在torch下载，可以先单独装torch，再装其余依赖，避免超时导致整个安装回滚。

2.3 Neo4j 图数据库的安装与配置

这套系统的知识图谱存在 Neo4j 里，所以必须先把图数据库跑起来。常见做法是下载 Neo4j Community 版，解压后改conf/neo4j.conf，把dbms.default_listen_address设成0.0.0.0，然后启动服务。默认端口是 7474（浏览器）和 7687（Bolt 协议）。

启动之后，在build_kg相关脚本里会看到连接配置，通常是这样的：

from py2neo import Graph # 连接 Neo4j，地址、用户名、密码按实际改 graph = Graph("bolt://localhost:7687", auth=("neo4j", "your_password")) # 测试连接 print(graph.run("RETURN 1").data())

这里的关键参数是bolt://localhost:7687，如果你把 Neo4j 装在另一台机器上，就改成对应 IP。密码是首次登录时强制修改的，别用默认的neo4j/neo4j，否则服务会拒绝连接。跑通这一步，图谱构建才有地方落。

3. 知识图谱构建：从医疗文本到图数据库的完整链路

3.1 BiLSTM 命名实体识别的训练与推理

knowledge_extraction/bilstm这个目录是整条链路的起点。它的任务是从医疗文本里识别出实体，比如“高血压”“头痛”“阿司匹林”分别对应疾病、症状、药物。BiLSTM 做 NER 的思路是：把句子转成词向量，正向和反向各跑一层 LSTM，拼接后接 CRF 或 softmax 做序列标注。

训练脚本一般长这样：

import torch import torch.nn as nn class BiLSTMNER(nn.Module): def __init__(self, vocab_size, embed_dim, hidden_dim, num_tags): super().__init__() # 词嵌入层，把词索引映射成稠密向量 self.embedding = nn.Embedding(vocab_size, embed_dim) # 双向 LSTM，捕捉上下文信息 self.lstm = nn.LSTM(embed_dim, hidden_dim, bidirectional=True, batch_first=True) # 输出层，映射到标签空间 self.fc = nn.Linear(hidden_dim * 2, num_tags) def forward(self, x): emb = self.embedding(x) out, _ = self.lstm(emb) return self.fc(out)

参数说明：vocab_size是词表大小，embed_dim一般设 128 或 256，hidden_dim设 128 到 256 之间，num_tags是实体标签数量（比如 B-Disease、I-Disease、O 等）。训练时学习率常用 1e-3，batch size 设 32 或 64。如果显存不够，把hidden_dim降到 64 也能跑，只是精度会掉一点。

训练完模型会保存成.pth文件，推理时加载权重，对输入句子做前向计算，再解码成实体列表。这一步的输出会作为图谱构建的输入。

3.2 实体关系抽取与 Neo4j 写入

实体识别出来之后，还要抽关系。医疗领域常见的关系有“疾病-症状”“疾病-药物”“疾病-检查”“疾病-科室”等。源码里build_kg_utils.py大概率封装了关系抽取和写入逻辑。常见做法是用规则匹配加模板，比如“XX 的症状包括 YY”就抽取出(XX, has_symptom, YY)三元组。

写入 Neo4j 的代码通常是这样：

from py2neo import Graph, Node, Relationship graph = Graph("bolt://localhost:7687", auth=("neo4j", "your_password")) def create_entity(name, label): # 查找或创建实体节点 node = graph.nodes.match(label, name=name).first() if not node: node = Node(label, name=name) graph.create(node) return node def create_relation(head, rel_type, tail): # 创建两个实体之间的关系 rel = Relationship(head, rel_type, tail) graph.create(rel) # 示例：写入一条疾病-症状关系 disease = create_entity("高血压", "Disease") symptom = create_entity("头痛", "Symptom") create_relation(disease, "HAS_SYMPTOM", symptom)

这里要注意：Neo4j 的节点标签和关系类型一旦写入，后续查询语句必须严格对应。比如你写的是HAS_SYMPTOM，查询时就不能写成has_symptom，大小写敏感。另外，批量写入时建议用事务，否则几万条数据一条条 create 会非常慢。

注意：如果build_kg脚本跑完发现图谱是空的，先检查 Neo4j 服务是否启动、密码是否正确、Bolt 端口是否被防火墙拦住。

3.3 图谱数据校验：怎么确认构建没白干

写完数据别急着跑问答，先在 Neo4j 浏览器里执行几条 Cypher 验证一下：

// 统计各标签节点数量 MATCH (n) RETURN labels(n) AS label, count(*) AS cnt ORDER BY cnt DESC; // 查看某疾病关联的症状 MATCH (d:Disease {name: "高血压"})-[:HAS_SYMPTOM]->(s:Symptom) RETURN s.name; // 检查孤立节点 MATCH (n) WHERE NOT (n)--() RETURN n LIMIT 10;

如果Disease节点数量是 0，说明实体识别或写入环节断了；如果关系数量远少于节点数量，说明关系抽取规则覆盖不够。这一步是很多新手会跳过的，但跳过之后问答效果差，你根本不知道是模型问题还是图谱问题。

4. 意图识别与问答推理：BERT 分类器怎么接进问答链路

4.1 BERT 意图分类的训练与调参

intent_recg_bert目录负责意图识别，也就是判断用户这句话到底在问什么。比如“高血压吃什么药”是问药，“头痛挂什么科”是问科室，“糖尿病有哪些症状”是问症状。意图分类做不准，后面的图谱查询就会查错方向。

BERT 做分类的典型代码：

from transformers import BertTokenizer, BertForSequenceClassification import torch # 加载预训练 BERT 和分词器 tokenizer = BertTokenizer.from_pretrained("bert-base-chinese") model = BertForSequenceClassification.from_pretrained("bert-base-chinese", num_labels=8) # 编码输入 inputs = tokenizer("高血压吃什么药", return_tensors="pt", padding=True, truncation=True, max_length=64) # 前向计算 outputs = model(**inputs) # 取 logits 最大值对应的类别 pred = torch.argmax(outputs.logits, dim=1) print(pred.item())

参数上，num_labels要和你的意图类别数一致，常见有 8 到 12 类。max_length设 64 够用，医疗问句一般不长。训练时学习率设 2e-5 到 5e-5，epoch 设 3 到 5 轮，太多会过拟合。如果训练集只有几百条，建议做数据增强或者用规则兜底。

4.2 问答主流程：从 NLU 到图谱查询再到答案生成

local.py和nlu模块串起了整个问答流程。用户输入一句话，系统先走意图识别，再走实体识别，然后根据意图选择对应的 Cypher 查询模板，从 Neo4j 取数据，最后拼成自然语言回答。

核心逻辑大概是这样：

def answer_question(question): # 第一步：意图识别 intent = intent_model.predict(question) # 第二步：实体识别 entities = ner_model.predict(question) # 第三步：根据意图和实体构造查询 if intent == "query_drug": cypher = "MATCH (d:Disease {name: $name})-[:HAS_DRUG]->(drug) RETURN drug.name" elif intent == "query_symptom": cypher = "MATCH (d:Disease {name: $name})-[:HAS_SYMPTOM]->(s) RETURN s.name" else: return "抱歉，我暂时无法回答这个问题。" # 第四步：查询图谱 result = graph.run(cypher, name=entities[0]).data() # 第五步：组织回答 if result: return f"{entities[0]}的{intent}包括：" + "、".join([r["drug.name"] for r in result]) return "知识库中暂未收录相关信息。"

这段代码的关键在于意图和查询模板的映射关系。意图分类错了，查询模板就错了，答案自然不对。所以调试的时候要分开验证：先单独测意图识别准确率，再单独测实体识别 F1 值，最后再端到端测问答。哪一环掉链子，一目了然。

4.3 接口封装与前端联调

itchat_app.py看起来是接微信的入口，local.py是本地命令行入口。如果你要做 Web 演示，常见做法是用 Flask 包一层：

from flask import Flask, request, jsonify app = Flask(__name__) @app.route("/qa", methods=["POST"]) def qa(): data = request.get_json() question = data.get("question", "") answer = answer_question(question) return jsonify({"answer": answer}) if __name__ == "__main__": app.run(host="0.0.0.0", port=5000)

前端随便写个输入框和展示区，POST 请求发到/qa就行。注意跨域问题，如果前端单独跑在另一个端口，Flask 这边要加 CORS 头，或者用 Nginx 做反向代理。

5. 避坑与排查：这套源码跑不起来时先看这几条

5.1 模型加载报错：版本不匹配是头号杀手

现象：运行intent_recg_bert或bilstm推理脚本时，报ImportError: cannot import name 'xxx' from 'transformers'或者AttributeError: module 'torch' has no attribute 'xxx'。

原因：transformers和torch版本不兼容，或者requirements.txt里写的版本和你实际装的不一致。BERT 相关 API 在不同版本间变动很大，比如BertForSequenceClassification的返回结构在 3.x 和 4.x 里就不一样。

解决：先pip show transformers torch看实际版本，再对照源码里用的 API 反推应该装哪个版本。常见稳定组合是transformers==4.6.0+torch==1.8.0，或者transformers==4.10.0+torch==1.9.0。实在拿不准，就按requirements.txt严格装，别自己升级。

5.2 Neo4j 连接失败：密码和端口是两个高频坑

现象：跑build_kg脚本时卡住，或者报py2neo.errors.ConnectionUnavailable: Cannot connect to Neo4j。

原因：Neo4j 服务没启动、密码不对、Bolt 端口 7687 没开放，或者连接地址写成了http://而不是bolt://。

解决：先在浏览器打开http://localhost:7474，确认服务活着。然后检查脚本里的Graph("bolt://localhost:7687", auth=("neo4j", "密码"))，密码是你首次登录时改的那个，不是默认的neo4j。如果 Neo4j 装在远程服务器，确认 7687 端口在防火墙里放行了。

5.3 中文编码问题：Windows 下的老毛病

现象：读取医疗语料时乱码，或者写入 Neo4j 的中文变成问号。

原因：Windows 默认编码是 GBK，而源码里的文件可能是 UTF-8，open()没指定encoding参数就会出问题。

解决：所有文件读写都显式加encoding="utf-8"，比如open("data/medical.txt", "r", encoding="utf-8")。Neo4j 本身支持 UTF-8，不用额外配置。如果控制台输出乱码，在脚本开头加import sys; sys.stdout.reconfigure(encoding="utf-8")。

5.4 图谱查询返回空：先查数据再查代码

现象：问答接口不报错，但永远返回“知识库中暂未收录相关信息”。

原因：可能是图谱里根本没数据，也可能是实体识别出来的名字和图谱里的节点名字对不上，比如图谱里存的是“高血压病”，用户问的是“高血压”。

解决：先在 Neo4j 浏览器里跑MATCH (n) RETURN count(n)确认节点数量。如果数量正常，再检查实体识别输出和节点名称是否一致。常见做法是加一层别名映射，把“高血压”映射到“高血压病”，或者用模糊匹配MATCH (d:Disease) WHERE d.name CONTAINS $name。

5.5 训练 loss 不下降：学习率和数据质量都要看

现象：BiLSTM 或 BERT 训练时 loss 震荡或者一直不降。

原因：学习率太大、batch size 太小、标注数据有错、或者词表和模型不匹配。

解决：先把学习率降到 1e-4 或 2e-5 试一轮；再检查标注数据里有没有标签错位；最后确认词表覆盖了医疗领域的高频词，如果词表太小，很多词会变成<UNK>，模型学不到东西。

6. 进阶玩法：把问答系统从“能跑”推到“能演示”

6.1 用规则兜底提升问答命中率

模型不是万能的，尤其是训练数据只有几百条的时候，意图识别和实体识别都会翻车。我一般会在模型前面加一层规则兜底：如果用户问句里出现了明确的疾病名和“吃什么药”“什么症状”“挂什么科”这些关键词，直接走规则匹配，不经过模型。这样能保证高频问题的准确率，模型只处理规则覆盖不到的边角情况。

import re def rule_based_answer(question): # 匹配“XX吃什么药”模式 drug_pattern = re.compile(r"(.+?)吃什么药") match = drug_pattern.search(question) if match: disease = match.group(1) return query_graph(disease, "HAS_DRUG") # 匹配“XX有哪些症状”模式 symptom_pattern = re.compile(r"(.+?)(有哪些|有什么)症状") match = symptom_pattern.search(question) if match: disease = match.group(1) return query_graph(disease, "HAS_SYMPTOM") return None

规则兜底的好处是可控，坏处是覆盖有限。实际部署时，我会先跑规则，规则返回 None 再走模型，这样既保证高频问题稳定，又保留模型的泛化能力。

6.2 图谱查询优化：加索引和限制返回条数

Neo4j 默认不给节点属性建索引，数据量大了之后MATCH (d:Disease {name: "高血压"})会全图扫描，慢得让人想砸键盘。上线前记得给常用查询字段建索引：

CREATE INDEX disease_name_index FOR (d:Disease) ON (d.name); CREATE INDEX symptom_name_index FOR (s:Symptom) ON (s.name);

另外，查询结果别一次性全返回，加个LIMIT 20，避免某个疾病关联了几百个症状直接把接口拖死。如果要做分页，用SKIP和LIMIT配合。

6.3 答辩演示的加分技巧

毕设答辩不是比谁模型精度高，是比谁讲得清楚、演示得流畅。我建议准备三个层次的演示：第一层，展示知识图谱的可视化，在 Neo4j 浏览器里跑几条 Cypher，让老师看到实体和关系；第二层，展示问答接口的端到端效果，准备十个高频问题，现场输入看回答；第三层，展示代码结构，重点讲 NLU 和图谱查询怎么衔接的，这是整套系统的技术核心。

还有一个细节：提前把 Neo4j 和 Flask 服务都启动好，别现场等加载。模型加载慢的话，可以先把模型预热，或者用缓存把常见问题的答案存起来。从那以后我每次做演示项目，都会提前跑一遍完整流程，确认没有“在我机器上能跑”的玄学问题。希望帮到你。

本文还有配套的精品资源，点击获取