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
# 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
# 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")