Neo4j图数据库实践——基于知识图谱方法开发构建猪类养殖疾病问答查询系统

Neo4j是一个开源的、高性能的图形数据库。它被设计用于存储、检索和处理具有复杂关系的大规模数据。与传统的关系型数据库不同，Neo4j使用图形结构来表示数据，其中节点表示实体，边表示实体之间的关系。这使得Neo4j在处理关系密集型数据时非常强大和高效。

以下是Neo4j的一些关键特点：

图形数据库：Neo4j是一个原生的、完全基于图形的数据库，它提供了图形模型来存储和管理数据。这使得它能够轻松地处理复杂的数据关系，如社交网络、推荐系统、网络安全等。
灵活的数据模型：Neo4j的数据模型非常灵活，可以轻松地表示各种类型的实体和关系。你可以定义自己的节点标签和边类型，并为它们添加属性，以便更好地表示你的数据结构。
高性能：Neo4j通过使用高效的图形遍历算法和索引机制来实现出色的性能。它可以快速地执行复杂的图形查询，支持深度遍历和快速的关系导航。
原生的查询语言：Neo4j使用一种名为Cypher的原生查询语言来操作和查询图形数据。Cypher具有直观的语法，可以轻松地表达各种图形查询模式，包括节点和边的匹配、路径遍历和聚合操作等。
ACID事务支持：Neo4j支持原子性、一致性、隔离性和持久性（ACID）的事务特性。这确保了数据的完整性和一致性，同时提供了可靠的持久化机制。
生态系统和工具支持：Neo4j拥有丰富的生态系统和工具支持，包括可视化工具、ETL工具、驱动程序和集成库等。这些工具使得开发人员和数据分析师能够更轻松地使用和操作Neo4j数据库。

Neo4j官网在这里，如下所示：

可以根据自己的需要进行下载安装使用。

安装完成启动截图如下所示：

这里我安装的是1.5.8的版本的。

之前在学校的时候就有接触过Neo4j数据库，只是简单的安装实践了一下，后面因为课题方向换了，所以后面就没有再接触到了，周末闲来无事正好最近也又看到了这个图数据库的内容，就想着

来上手做一下实践开发项目，这里主要以前面项目中收集到的猪类相关养殖疾病数据集为基准，来构建基于知识图谱的问答系统。

知识图谱是一种用于组织、表示和存储结构化知识的图形化知识库。它将现实世界的实体、概念和它们之间的关系表示为图形结构，可以帮助我们更好地理解和分析知识。

知识图谱通常由三个主要组成部分构成：

实体（Entities）：实体代表现实世界中的具体事物，可以是人、地点、物品、事件等等。每个实体都有唯一的标识符和相关的属性信息。
属性（Attributes）：属性描述实体的特征和性质。例如，一个人实体可以有属性如姓名、年龄、性别等。
关系（Relationships）：关系表示实体之间的连接和关联。它们描述了实体之间的语义关系，如"工作在"、"位于"、"是子集/超集"等等。

知识图谱的优势在于它能够捕捉和表示复杂的关联关系，并提供了一种结构化的方式来存储和查询知识。它可以用于构建智能推荐系统、问答系统、语义搜索引擎等应用。通过使用知识图谱，我们可以进行更高级的数据分析、语义推理和信息提取。

举个例子，以百科全书为例，知识图谱可以将不同的主题、人物、事件等实体组织成一个图形结构，并使用关系链接它们。通过这种方式，我们可以轻松地浏览和发现相关的知识，例如查找某个人物的家庭成员、了解某个事件的历史背景等等。

首先来简单看下数据集情况，如下所示：

"猪附红细胞体病": {"name": "猪附红细胞体病","desc": "由附红细胞体寄生于猪的红细胞表面或游离于血浆、组织液及脑脊液中引起的一种人畜共患病，猪发病时，皮肤发红，故又称“猪红皮病”。","cause": "附红细胞体病是由多种原因引发的疾病，只有在应激和肌体抗病力降低的情况下才会诱发此病。如饲养管理不良、天气突变、突然换料、更换圈舍、密度过大等应激因素或患猪瘟、猪蓝耳病、传染性胸膜肺炎、猪链球菌病、副猪嗜血杆菌病等慢性病时，最易并发和继发附红细胞体病。","prevent": "预防本病的发生应加强猪场的卫生防疫，消除各种应激因素。在温热季节应定期喷洒杀虫剂，以杀灭蚊、蝇、蜱、牛虻、体虱、跳蚤等吸血昆虫，消除传染媒介。发病猪只要进行及时有效的治疗。对无治疗价值的病猪应及时进行淘汰，以清除传染源。阳性猪群，饲料中可添加强力霉素等，以消除隐性感染。购入猪只要进行血液检查，防止引入病猪或隐性感染猪。本病流行季节给予预防用药，可在饲料中添加上强力霉素或金霉素添加剂，或每公斤饲料添加90毫克阿散酸，连续使用30天，或每月使用7-10天。 防重于治是养猪的最后方法。","cure_lasttime": "一般3-14天。","cure_way": "⑴血虫净(或三氮眯、贝尼尔) 每公斤体重用5mg-10mg，用生理盐水稀释成5%溶液，分点肌肉注射，1天1次，连用3天。⑵咪唑苯脲每公斤体重用1mg-3mg，1天1次，连用2天-3天。⑶四环素、土霉素(每公斤体重10mg)和金霉素(每公斤体重15mg)口服或肌注或静注，连用7天-14天。⑷新胂凡纳明按每公斤体重10mg-15mg静脉注射，一般3天后症状可消失。","easy_get": "不同年龄的猪均有易感性，通常发生在哺乳猪、怀孕的母猪以及受到高度应激的肥育猪身上。","symptom": ["体温升高为40.5℃~42℃","皮肤发红，指压退色","精神不振","食欲减退","怕冷聚堆","咳嗽","流鼻涕","呼吸困难","尿液淡黄","发病中期，病猪行走时后躯摇晃，喜卧厌立，便秘或拉稀，精神沉郁，呼吸困难","血液稀薄，色淡，往往随注射针孔流血不止","皮毛枯燥","背腹部毛色铁锈色","皮肤苍白","耳内侧、背侧、颈背部、腹侧部皮肤出现暗红色出血点，可视黏膜轻度肿胀，初期潮红，后期苍白","轻度黄疸","尿液淡黄、淡红或呈红褐色，卧地不起","后期，病猪耳朵变蓝色、坏死，排血便和血红蛋白尿，最后四肢呈游泳状划动，呼吸困难，衰竭死亡"],"recommand_drug": ["抗生素","磺胺类","砷制剂","血虫净","三氮眯","贝尼尔","咪唑苯脲","四环素","土霉素","金霉素","新胂凡纳明"],"checks": ["猪附红细胞体病的发热、贫血、黄疸等症状具有一定的诊断意义，其他临床症状，如食欲减退、呼吸急迫、心悸亢进等非特征性症状在本病的诊断上意义不大。","猪患附红细胞体病后全身各部均无特征性的病理变化，一般无需作病理学检查。因此，对本病确诊，必须先进行实验室检查。","实验室诊断的方法很多，如可用间接红细胞凝集试验、补体结合试验、相差显微镜观察和染色血液涂片观察等。","间接红细胞凝集试验和补体结合试验反应敏感、检出率高，但试验条件要求高，需要时间较长。","相差显微镜观察和染色血液涂片观察以及鲜血直接压片，所需设备和药品较少，且操作简单、快捷，检出率也较高，一般在半个小时内即可作出确切诊断。"],"departments": ["寄生虫病"],"methods": ["温热季节定期喷洒杀虫剂","及时治疗发病猪只，无治疗价值的猪只应及时淘汰","阳性猪群，饲料中可添加强力霉素等，以消除隐性感染。","购入猪只要进行血液检查，防止引入病猪或隐性感染猪。"],"acompany_with": ["链球菌病","猪水肿病","仔猪副伤寒","猪肺疫","猪丹毒","猪瘟","弓形虫病"]}

上面是单个疾病的相关内容详情，可以看到包含有很多的内容。

下面是一些常见猪病的介绍，如下所示：

{"猪附红细胞体病": {"疾病所属类别": "寄生虫病","疾病诊断要点": "相差显微镜观察和染色血液涂片观察以及鲜血直接压片，所需设备和药品较少，且操作简单、快捷，检出率也较高，一般在半个小时内即可作出确切诊断。","疾病推荐药物": "新胂凡纳明","疾病预防措施": "购入猪只要进行血液检查，防止引入病猪或隐性感染猪。"},"副猪嗜血杆菌病": {"疾病所属类别": "细菌性传染病","疾病诊断要点": "该病易与传染性胸膜肺炎相混淆，但该病引起的病变多数为脑膜炎，关节炎和四肢跛行等，而传染性胸膜性肺炎较少见。","疾病推荐药物": "阿莫西林","疾病预防措施": "疫苗免疫"},"猪支原体肺炎": {"疾病所属类别": "传染病","疾病诊断要点": "其他内脏一般无明显变化。","疾病推荐药物": "中药方剂 (苏子、杏仁、款冬花、桔梗、甘草、陈皮、鱼腥草等)","疾病预防措施": "加强消毒，保持栏舍清洁、干燥通风。"},"猪圆环病毒病": {"疾病所属类别": "病毒性传染病","疾病诊断要点": "血清学检查：是生前诊断的一种有效手段。诊断本病的方法有:间接免疫荧光法(IIF)，免疫过氧化物单层培养法，ELISA方法，聚合酶链式反应(PCR)方法，核酸探针杂交及原位杂交试验(ISH)等方法。","疾病推荐药物": "选用新型的抗病毒剂如干扰素、白细胞介导素、免疫球蛋白、转移因子等进行治疗，同时配合中草药抗病毒制剂，会取得明显治疗效果。","疾病预防措施": "加强饲养管理"},"猪链球菌病": {"疾病所属类别": "人畜共患病","疾病诊断要点": "药敏试验","疾病推荐药物": "抗生素","疾病预防措施": "加强饲养管理"},"猪伪狂犬病": {"疾病所属类别": "急性传染病","疾病诊断要点": "血清学诊断可直接用免疫荧光法、间接血凝抑制试验、琼脂扩散试验、补体结合试验、酶联免疫吸附试验、乳胶凝集试验。","疾病推荐药物": "猪血清抗体","疾病预防措施": "同时，还要严格控制犬、猫、鸟类和其他禽类进入猪场，严格控制人员来往，并做好消毒工作及血清学监测等，这样对本病的防制也可起到积极的推动作用。"}

接下来就需要开发程序完成数据的加载解析入库操作了，这里定义pigMedicalGraph类，如下所示：

#!usr/bin/env python
# encoding:utf-8
from __future__ import division"""
功能：  猪类疾病知识图谱构建
"""import os
import json
from py2neo import Graph,Nodeclass pigMedicalGraph:def __init__(self):def read_nodes(self):def create_node(self, label, nodes):def create_diseases_nodes(self, disease_infos):def create_graphnodes(self):def create_graphrels(self):def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):

首先是加载解析本地数据，如下所示：

count = 0
with open(self.data_path, encoding="utf-8") as f:data_dict = json.load(f)
for one_key in data_dict:data_json = data_dict[one_key]disease_dict = {}count += 1print(count)disease = data_json["name"]print(disease)disease_dict["name"] = diseaseif type(disease) == list:diseases += diseasedisease = disease[0]else:diseases.append(disease)disease_dict["desc"] = ""disease_dict["cause"] = ""disease_dict["prevent"] = ""disease_dict["cure_lasttime"] = ""disease_dict["cure_way"] = ""disease_dict["symptom"] = ""disease_dict["recommand_drug"] = ""print("59")if "symptom" in data_json:symptoms += data_json["symptom"]for symptom in data_json["symptom"]:has_symptom.append([disease, symptom])if "checks" in data_json:checks += data_json["checks"]for check in data_json["checks"]:need_check.append([disease, check])if "departments" in data_json:departments += data_json["departments"]for department in data_json["departments"]:belongs_to.append([disease, department])if "methods" in data_json:methods += data_json["methods"]for method in data_json["methods"]:recommand_method.append([disease, method])if "desc" in data_json:disease_dict["desc"] = data_json["desc"]if "prevent" in data_json:disease_dict["prevent"] = data_json["prevent"]if "cause" in data_json:disease_dict["cause"] = data_json["cause"]if "easy_get" in data_json:disease_dict["easy_get"] = data_json["easy_get"]if "cure_way" in data_json:disease_dict["cure_way"] = data_json["cure_way"]if "cure_lasttime" in data_json:disease_dict["cure_lasttime"] = data_json["cure_lasttime"]if "recommand_drug" in data_json:recommand_drug1 = data_json["recommand_drug"]drugs += recommand_drug1for drug in recommand_drug1:recommand_drug.append([disease, drug])disease_infos.append(disease_dict)

接下来是创建知识图谱中的节点node，实现如下所示：

def create_node(self, label, nodes):"""创建节点"""count = 0for node_name in nodes:node = Node(label, name=node_name)self.g.create(node)count += 1print(count, len(nodes))return

之后我们来实现创建知识图谱中疾病的节点，如下所示：

def create_diseases_nodes(self, disease_infos):"""创建知识图谱中疾病的节点"""count = 0for disease_dict in disease_infos:print(disease_dict)node = Node("Disease",name=disease_dict["name"],desc=disease_dict["desc"],cause=disease_dict["cause"],prevent=disease_dict["prevent"],cure_lasttime=disease_dict["cure_lasttime"],cure_way=disease_dict["cure_way"],easy_get=disease_dict["easy_get"],recommand_drug=disease_dict["recommand_drug"],symptom=disease_dict["symptom"],)print("132")self.g.create(node)count += 1print(count)return

接下来是创建知识图谱实体节点类型schema，核心实现如下所示：

self.create_diseases_nodes(disease_infos)
self.create_node("checks", checks)
self.create_node("departments", departments)
self.create_node("diseases", diseases)
self.create_node("drugs", drugs)
self.create_node("methods", methods)
self.create_node("symptoms", symptoms)

之后我们来创建实体关联边，实现如下所示：

def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):"""创建实体关联边"""count = 0# 去重处理set_edges = []for edge in edges:set_edges.append("".join(edge))all = len(set(set_edges))for edge in set(set_edges):edge = edge.split("")p = edge[0]q = edge[1]query = ("match(p:%s),(q:%s) where p.name='%s' and q.name='%s' create (p)-[rel:%s{name:'%s'}]->(q)"% (start_node, end_node, p, q, rel_type, rel_name))try:self.g.run(query)count += 1print(rel_type, count, all)except Exception as e:print(e)return

最后我们来创建实体关系边，如下所示：

self.create_relationship("diseases", "departments", belongs_to, "belongs_to", "属于")
self.create_relationship("diseases", "checks", need_check, "need_check", "疾病诊断结果")
self.create_relationship("diseases", "drugs", recommand_drug, "recommand_drug", "疾病推荐药品"
)
self.create_relationship("diseases", "methods", recommand_method, "recommand_method", "疾病预防措施"
)
self.create_relationship("diseases", "symptoms", has_symptom, "has_symptom", "疾病症状")
self.create_relationship("diseases", "diseases", acompany_with_, "acompany_with_", "疾病并发疾病"
)

到这里基本上数据的解析加载入库操作就完成了。

可以直接在neo4j数据库桌面端打开查看，如下所示：

也可以直接复制http://localhost:7474/browser/

在浏览器端打开即可，如下所示：

显然我自己觉得浏览器端的操作和可视化更加柔顺丝滑。

这里可以直接借助于知识图谱的能力来进行知识的查询回答，简单的实现如下所示：

class ChatRobot:def __init__(self):self.classifier = QuestionClassifier()self.parser = QuestionPaser()self.searcher = AnswerSearcher()def chat_main(self, sent):answer = "尊敬的用户您好，我是AI医药智能助理，希望可以帮到您！"res_classify = self.classifier.classify(sent)if not res_classify:return answerres_sql = self.parser.parser_main(res_classify)print("res_sql: ", res_sql)final_answers = self.searcher.search_main(res_sql)if not final_answers:return answerelse:return "\n".join(final_answers)if __name__ == "__main__":handler = ChatRobot()while True:question = input("user:")answer = handler.chat_main(question)print("AI:", answer)

实例输出如下所示：

接下来我们再来简单看下neo4j数据库端可视化的呈现：

每一块都包括了Graph、Table、Text和Code四种表示或者是说存储形式，接下来我们以一个实际样例来进行展示，如下所示：

【Graph】

【Table】

{"start": {"identity": 284,"labels": ["diseases"],"properties": {"name": "猪圆环病毒病"},"elementId": "284"},"end": {"identity": 230,"labels": ["departments"],"properties": {"name": "病毒性传染病"},"elementId": "230"},"segments": [{"start": {"identity": 284,"labels": ["diseases"],"properties": {"name": "猪圆环病毒病"},"elementId": "284"},"relationship": {"identity": 0,"start": 284,"end": 230,"type": "belongs_to","properties": {"name": "属于"},"elementId": "0","startNodeElementId": "284","endNodeElementId": "230"},"end": {"identity": 230,"labels": ["departments"],"properties": {"name": "病毒性传染病"},"elementId": "230"}}],"length": 1.0
}

【Text】

╒════════════════════════════════════════════════════╕
│"p"                                                 │
╞════════════════════════════════════════════════════╡
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}]     │
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
├────────────────────────────────────────────────────┤
│[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
└────────────────────────────────────────────────────┘

【Code】