基于Python实现的医疗知识图谱的知识问答系统

一、构建一个简单的知识图谱
​ 之前在了解对话系统的时候，就发现其实一个有应用价值的对话系统，需要引入外部知识辅助决策分析，所以我就打算最近学习一下知识图谱，并尝试结合知识图谱构建一个对话系统。

​ 知识图谱是谷歌提出的一个概念，从定义上来说，知识图谱就是结构化的语义知识库，是一种基于图的数据结构，用于描述物理世界中的概念及其相互关系。

​ 既然是图就有边和节点，边指的是事物之间的关系，而节点这里简单地分成两种，第一种是实体，所谓实体就是指现实世界中的一些具体的事物，比如说一个人、一座城市、一家公司等等，都属于实体的范畴。除此之外，我们可以考虑一下，在现实世界里，我们除了需要描述事物之间的关系，有时候我们还需要描述事物本身具备的一些特征，比如"小明是一个大学生"，“小明发表了10篇论文”、“小明有2台汽车”，对于这种情况，就要考虑另一种类型的节点，也就是属性，属性可以分为对象属性和数据属性，在"小明是一个大学生"中，“大学生"就是一个对象属性节点，边可以是"当前学历”，在"小明发表了10篇论文"中，“10"是一个数据属性，边可以是"已发表论文数”。当然概念的东西简单了解一下就好，实际上看图更容易理解。

​ 接下来我们要谈的是如何存储知识，或者说如何表示知识，虽然现在比较前沿的研究方向是通过稠密的低维向量实现对实体和关系的分布式表示，但是这里还是从最简单的三元组谈起。

所谓三元组就是< header entity, relation, tail entity >, 比如说"小明是一个大学生"可以表示为< 小明, 当前学历, 大学生 >，"小明今年十岁"可以表示为< 小明, 年龄, 10 >，这样就可以把知识数据结构化地进行存储。

接下来介绍一下如何构建一个知识图谱，用到的工具是Neo4j。

Neo4j作为一个图数据库，为了数据的储存、读写等操作更合理高效，在设计逻辑上和知识图谱有一些差别，所以这里先介绍一下Neo4j的一些概念，为了方便对应Neo4j的官方文档，下列的概念一律用英文。

node是Neo4j的基本概念，以下是Neo4j的一个单一节点：