本项目根据从权威医药网站上爬取的医疗数据，对数据进行处理，从而运用到中文开放知识图谱（OpenKG.cn）中，以便需要者直接使用。 OpenKG链接：http://openkg.cn/dataset/disease-information

本项目借鉴前人智慧，但基于其爬取数据的方法对数据进行了更加充分的使用，https://github.com/liuhuanyong/QASystemOnMedicalKG 。

对获得的医疗数据进行整理，使其可直接用于知识图谱的搭建（Neo4j），文件处理成json格式。文件分为实体（实体基本信息与属性）和关系（不同实体间关系）两个类别。

diseaseKB
├── data
│   └── medical.json 结构化疾病医疗知识
├── prepare_data
│   ├── build_data.py 数据处理到数据库
│   ├── data_spider.py 爬取数据
│   └── max_cut.py 根据给定的词典对文本进行前向、后向和双向最大匹配
├── dict 各种类别的词典
├── build_medicalgraph.py 利用结构化的数据建立Neo4j知识图谱 
├── build_medicalgraph_from_json.py 利用实体和关系json文件据建立知识图谱 
└── build_json.py 利用爬取的数据生成提炼的实体和关系json文件

1. 数据爬取与处理： data_spider.py -> build_data.py
2. 知识图谱搭建（任意方式即可）：
   • 原始文件搭建知识图谱： build_medicalgraph.py
   • 从生成实体关系文件到搭建知识图谱： build_json.py -> build_medicalgraph_from_json.py

数据从“寻医问药”医疗网站上爬取原始数据，将其保存到本地数据库（mongodb)中。爬取数据以疾病为单位，获得其各方面的信息，如：成因、症状、服用药物等。爬取时，根据疾病id爬取不同的网站。除疾病外，还爬取了疾病监测的相关数据，也将其保存到数据库中。

对爬取的数据进行预处理，筛选适合做知识图谱知识存储的相关信息。最后从数据库中提取出结构化的文件medical.json,用于搭建知识图谱。数据大致信息如下：

利用结构化的知识，选择相关内容作为实体、关系与属性，搭建Neo4j上的知识图谱。为方便使用，将搭建图谱的实体、关系与属性保存为json格式，即方便搭建知识图谱，也利于阅读。

• medical.json为从数据中导出的整理后的疾病医疗数据，读取该文件获得各类别的实体、关系，从而搭建知识图谱。
• 同时，也可以先从medical.json提炼出实体与关系的json文件，再通过这两个文件生成知识图谱。且生成的文件可读性更高。
• 这两种生成的知识图谱等价。
• 搭建后的知识图谱统计信息如下：

1. 知识图谱实体类型（8类实体）

2. 疾病实体属性类型（7类属性）

3. 知识图谱关系类型（11类关系）

生成的实体和关系的json文件分别为entities.json和relations.json。

1. entities.json文件说明

• 此文件包含8类实体，其中疾病（‘Disease’）相较其他实体有额外的属性，而其他类实体无其他属性，如下图。

实现了Neo4j上的知识图谱，下图为某一检索效果：