中药大数据(三)中医知识图谱的创建

本项目纯原创,转载请说明。

如果大家有其他需要制作的知识图谱,或者要基于知识图谱做一些应用,也欢迎联系!

1 先看下效果

(1)总体图谱数据

(2)性味归经【部分】

(3)医学书籍收录方剂【部分】


(4)医学书籍收录药材【部分】

(5)方剂的构成药材【部分】

2 数据预处理

要做的事情是从处方字段中提取出所有的方剂

也就是根据以下的数据去提取药材

代码如下:

python 复制代码
# 读取 tb_prescriptions 和 tb_cmedicine 数据
df_prescriptions = pd.read_sql('SELECT * FROM tb_prescription', cnn)  # 方剂表
df_cmedicine = pd.read_sql('SELECT title FROM tb_cmedicine', cnn)  # 中药表

# 获取中药名列表,并按长度从大到小排序
medicine_titles = df_cmedicine['title'].tolist()
medicine_titles.sort(key=len, reverse=True)  # 按长度排序,长的药名优先匹配

# 函数:检查每个 prescription 中出现了哪些中药(最大匹配)
def find_medicines_in_prescription(prescription, medicine_titles):
    found_medicines = []
    for medicine in medicine_titles:
        if medicine in prescription:
            found_medicines.append(medicine)
            # 将匹配到的药名从 prescription 中移除,避免重复匹配较短的名称
            prescription = prescription.replace(medicine, '')
    return ','.join(found_medicines)

# 遍历 prescription 列,并检查每个方剂中包含的中药
df_prescriptions['found_medicines'] = df_prescriptions['prescription'].apply(find_medicines_in_prescription, args=(medicine_titles,))

# 打印结果:prescription 中找到的中药
for index, row in df_prescriptions.iterrows():
    print(f"Prescription: {row['prescription']}\nFound Medicines: {row['found_medicines']}\n")


# 将提取的中药信息更新到 tb_prescription 表的 fangji 字段
for index, row in df_prescriptions.iterrows():
    found_medicines = row['found_medicines']

    # 更新 tb_prescription 表的 fangji 字段
    update_query = f"""
    UPDATE tb_prescription 
    SET fangji = '{found_medicines}'
    WHERE id = {row['id']}  -- 假设 tb_prescription 表有一个 id 字段作为主键
    """

    # 执行 SQL 更新语句
    cnn.execute(update_query)

# 确保关闭连接
cnn.close()

其中有一个问题:

Prescription: 春酒5升,葶苈子2升。

Found Medicines: 酒,葶苈子,葶苈

药方里出现了苈子,但是匹配的时候葶苈子,葶苈都匹配了,出现这个问题主要是匹配的时候应该是最大匹配,就是类似要有贪心思想。

3 neo4j 知识图谱构建代码

下面贴出部分的Neo4j导入的代码

创建节点尽可能用merge语句,否则会出现大量重复节点

python 复制代码
# 连接到 Neo4j 数据库
# 读取 tb_prescription 和 tb_cmedicine 数据
df_prescriptions = pd.read_sql('SELECT * FROM tb_prescription', cnn)
df_cmedicine = pd.read_sql('SELECT * FROM tb_cmedicine', cnn)

# 将 tb_cmedicine 转换为字典,方便根据药名查找对应的药材信息
cmedicine_dict = df_cmedicine.set_index('title').T.to_dict()


# 正则表达式,用于提取《》之间的书名号内容
def extract_book_title(excerpt):
    match = re.search(r'《([^》]+)》', excerpt)
    if match:
        return f'《{match.group(1)}》'
    return None


# 创建药方和药材的知识图谱,确保节点和关系不会重复
for index, row in df_prescriptions.iterrows():
    # 创建药方节点(防止重复)
    prescription_node = Node("Prescription", name=row['title'],
                             prescription=row['prescription'],
                             making=row['making'],
                             functional_indications=row['functional_indications'],
                             usage=row['usage'],
                             excerpt=row['excerpt'],
                             care=row['care'])
    graph.merge(prescription_node, "Prescription", "name")  # 防止重复创建方剂节点

    # 分割 fangji 中的药材名称
    medicines = row['fangji'].split(',') if row['fangji'] else []

    for medicine in medicines:
        medicine = medicine.strip()  # 去除药材名称前后的空格
        # 从 tb_cmedicine 数据中获取该药材的详细信息
        if medicine in cmedicine_dict:
            med_info = cmedicine_dict[medicine]
            # 创建药材节点(防止重复)
            medicine_node = Node("Medicine", name=medicine,
                                 pinyin=med_info.get('pinyin'),
                                 alias=med_info.get('alias'),
                                 source=med_info.get('source'),
                                 english_name=med_info.get('english_name'),
                                 habitat=med_info.get('habitat'),
                                 flavor=med_info.get('flavor'),
                                 functional_indications=med_info.get('functional_indications'),
                                 usage=med_info.get('usage'),
                                 excerpt=med_info.get('excerpt'),
                                 provenance=med_info.get('provenance'),
                                 shape_properties=med_info.get('shape_properties'),
                                 attribution=med_info.get('attribution'),
                                 prototype=med_info.get('prototype'),
                                 discuss=med_info.get('discuss'),
                                 chemical_composition=med_info.get('chemical_composition'))
            graph.merge(medicine_node, "Medicine", "name")  # 防止重复创建药材节点

            # 创建 Prescription -> Medicine 关系(防止重复)
            relationship = Relationship(prescription_node, "所用药材", medicine_node)
            graph.merge(relationship, "Prescription", "name")

            # 提取古籍书名号《》中的内容并创建古籍节点(药材的摘录,防止重复)
            book_title = extract_book_title(med_info.get('excerpt', ''))
            if book_title:
                # 创建古籍节点(防止重复)
                book_node = Node("Book", name=book_title)
                graph.merge(book_node, "Book", "name")

                # 创建 Book -> Medicine 的 "收录药材" 关系(防止重复)
                recorded_relationship_medicine = Relationship(book_node, "收录药材", medicine_node)
                graph.merge(recorded_relationship_medicine, "Book", "name")
相关推荐
唐某人丶2 分钟前
教你如何用 JS 实现 Agent 系统(2)—— 开发 ReAct 版本的“深度搜索”
前端·人工智能·aigc
FIT2CLOUD飞致云20 分钟前
九月月报丨MaxKB在不同规模医疗机构的应用进展汇报
人工智能·开源
阿里云大数据AI技术21 分钟前
【新模型速递】PAI-Model Gallery云上一键部署Qwen3-Next系列模型
人工智能
袁庭新40 分钟前
全球首位AI机器人部长,背负反腐重任
人工智能·aigc
机器之心1 小时前
谁说Scaling Law到头了?新研究:每一步的微小提升会带来指数级增长
人工智能·openai
算家计算1 小时前
AI配音革命!B站最新开源IndexTTS2本地部署教程:精准对口型,情感随心换
人工智能·开源·aigc
阿里云大数据AI技术1 小时前
大数据公有云市场第一,阿里云占比47%!
大数据
量子位1 小时前
马斯克周末血裁xAI 500人
人工智能·ai编程
算家计算1 小时前
OpenAI最强编程模型GPT-5-Codex发布!可独立编程7小时,编程效率提升10倍
人工智能·ai编程·资讯
聚客AI3 小时前
🌟大模型为什么产生幻觉?预训练到推理的漏洞全揭秘
人工智能·llm·掘金·日新计划