F063 基于知识图谱的中成药推荐与养生知识平台设计与实现

文章结尾部分有CSDN官方提供的学长联系方式名片

文章结尾部分有CSDN官方提供的学长联系方式名片

关注B站，私信获取！麦麦大数据

编号: F063

视频

F063知识图谱中成药推荐与知识科普平台

1 系统简介

系统简介：本系统是一个基于Vue+Flask+MySQL+Neo4j构建的基于知识图谱的中成药推荐与养生知识平台 。其核心功能围绕智能医药推荐、养生知识传播与后台数据管理。主要功能模块包括：用户端的智能推荐、在线开药、养生内容浏览与互动，以及管理员端的知识图谱构建、药库管理、新闻管理、用户管理与数据可视化分析。

2 功能设计

该系统采用前后端分离的B/S架构模式，基于Vue+Flask+MySQL+Neo4j技术栈实现。前端通过Vue.js框架搭建响应式界面，结合Element UI等组件库提供友好的用户交互体验，使用Vue-Router进行页面路由管理，Axios实现与后端的异步数据交互。Flask后端负责构建RESTful API服务，通过Sqlalchemy操作MySQL数据库存储用户信息、新闻、用药记录等结构化数据，PyMySQL作为MySQL驱动支持。Neo4j作为图数据库，用于存储和查询由知识图谱构建的药物、病症、养生等关系数据。在智能推荐 功能方面，系统采用paraphrase-MiniLM-L6-v2（一个预训练的句子嵌入模型）对用户的症状描述进行语义理解，并在Neo4j图谱中寻找语义最相似的匹配药物，从而实现精准推荐。

2.1系统架构图

系统架构分为前端、后端和数据层。用户通过浏览器访问前端（Vue）界面，前端通过HTTP请求与Flask后端进行通信。Flask后端负责处理业务逻辑，并与MySQL和Neo4j进行数据交互。MySQL用于存储常规的结构化数据，如用户信息、新闻、用药历史等；Neo4j则负责存储和查询动态的知识图谱数据。系统还包含一个Python爬虫程序，用于从外部网站抓取养生知识，并将其存储到MySQL中，供后续构建知识图谱使用。

2.2 功能模块图

主要功能模块有：

用户端模块 ：
- 登录 & 注册
- 智能推荐
- 在线开药
- 养生科普和新闻
- 用药历史
- 反馈
- 个人信息设置
管理员端模块 ：
- 养生数据采集
- 知识图谱构建
- 知识图谱可视化
- 药库管理
- 新闻管理
- 用户管理
- 可视化分析
- 权限管理

3.1 登录 & 注册

登录注册做的是一个可以切换的登录注册界面，点击去登录后者去注册可以切换。登录需要验证用户名和密码是否正确，密码需经过哈希加密后与数据库中的信息进行比对。注册时，系统会验证用户名是否已存在，并对新用户信息进行合法性校验。

3.2 智能推荐

用户在输入框中描述自己的症状（如"嗓子疼"、"咳嗽"等），系统会将这些文本输入到paraphrase-MiniLM-L6-v2模型中，生成一个语义向量。后端在Neo4j图谱中搜索与该向量最相似的节点（代表药物），并返回推荐的药物列表。用户可以根据推荐结果选择开药。

3.3 在线开药

在智能推荐页面，用户点击推荐的药物后，进入在线开药页面。用户可填写购买数量等信息，确认订单后，系统会将用药记录写入MySQL数据库的"用药历史"表中。同时，系统会为用户生成药品的购买链接或提供购买指引。

3.4 养生新闻&养生科普

用户可以浏览养生科普和养生新闻列表，点击进入详情页面查看具体内容。在详情页，用户可以对文章进行点赞和评论。系统通过Ajax请求将用户的点赞和评论信息实时提交到后端，存储到数据库中。

3.5 用药历史

用户登录后可以查看自己过去的所有用药记录，包括药物名称、使用时间、用药时长等信息。用户可以按时间筛选历史记录。

3.6 反馈

用户可以通过反馈模块提交自己的意见或建议。系统会将反馈内容存储到数据库，供管理员查阅和处理。

3.7 个人信息设置

个人信息设置方面包含了用户信息修改、密码修改功能。

用户信息修改中可以上传头像，完成用户的头像个性化设置，也可以修改用户其他信息。上传头像时，前端使用File API选择本地图片，通过FormData传给后端，后端将图片保存到指定目录，并在数据库中更新用户信息。

修改密码需要输入用户旧密码和新密码，验证旧密码成功后，就可以完成密码修改。

3.8 养生数据采集

管理员通过后台的"养生数据采集"功能，可以启动爬虫程序。爬虫会从预先配置的养生知识网站抓取文章，提取出标题、内容、发布时间等字段，并将数据存入MySQL中的"养生知识"表中，为后续的知识图谱构建提供原始数据。

3.9 知识图谱构建

管理员在后台"知识图谱构建"功能中，可以启动图谱生成程序。该程序会调用py2neo库连接Neo4j，读取MySQL中"养生知识"表的文本，通过自然语言处理技术（如实体识别、关系抽取）解析出药物、病症、养生方法等实体及其关系，并将其作为节点和关系写入Neo4j图数据库中，完成知识图谱的构建。

3.10 知识图谱可视化

系统利用D3.js在前端实现知识图谱的动态可视化展示。管理员可以在可视化界面中搜索特定实体（如"感冒"），查看其关联的药物和症状节点。用户可以进行放大、缩小、拖拽、点击查看节点详细信息等交互操作，直观地了解药物之间的关联。

3.11 药库管理

管理员可以对中成药库进行管理。通过增删改查操作，可以维护药品信息，如药品名称、药品成分、主要功效、适应症、禁忌症等，数据存储于MySQL的"药库"表中。

3.12 新闻管理

管理员可以管理养生新闻。支持添加、修改、删除新闻，新闻内容支持富文本编辑（如添加图片、链接等）。新闻数据存储于MySQL的"新闻"表中。

3.13 用户管理

管理员可以查看、修改、删除用户信息。包括用户的基本信息和注册状态，所有操作均通过管理员面板在MySQL中进行。

3.14 可视化分析

系统提供数据可视化分析功能，管理员可以查看：

用户留存度分析：统计每日、每周、每月的用户登录情况。
用户活跃度分析：分析用户使用系统的频率、时长等。
用户满意度分析：通过分析用户反馈的词云，了解用户对系统的整体评价和关注点。
用户反馈词云 ：将用户提交的反馈文本进行分词和词频统计，生成词云图，直观展示用户最常提及的关键词。

3.15 权限管理

系统采用RBAC（基于角色的访问控制）模型。管理员可以创建不同的角色（如普通用户、管理员），并为每个角色分配可以访问的菜单和执行的操作权限，确保系统安全和数据隔离。

4程序核心算法代码

4.1 代码说明

代码介绍：

文本相似度计算 ：使用sentence_transformers库中的paraphrase-MiniLM-L6-v2模型，将用户输入的症状文本和知识图谱中的药物描述文本转换为向量，再计算余弦相似度，找出最相似的药物。
知识图谱构建 ：使用Python的py2neo库，结合NLP技术，从养生文本中提取实体和关系，批量写入Neo4j数据库。
D3.js图谱渲染：利用D3.js库的力导向图（Force-Directed Graph）算法，动态展示Neo4j中的知识图谱节点和连接。

4.2 流程图

用户输入症状
调用paraphrase-MiniLM-L6-v2模型生成向量
在Neo4j中查询语义相似度最高的药物
返回推荐药物列表
前端展示推荐结果
用户选择开药
记录用药历史

4.3 代码实例

python 复制代码

# 1. 使用sentence_transformers进行语义相似度计算
from sentence_transformers import SentenceTransformer, util

# 加载预训练模型
model = SentenceTransformer('paraphrase-MiniLM-L6-v2')

# 用户输入的症状描述和知识图谱中的药物描述
symptom = "嗓子疼"
medicines = ["板蓝根颗粒", "银翘解毒片", "川贝枇杷膏"]

# 将症状和药物描述转换为向量
symptom_embedding = model.encode(symptom)
medicine_embeddings = model.encode(medicines)

# 计算余弦相似度
cosine_scores = util.cos_sim(symptom_embedding, medicine_embeddings)
# 找出相似度最高的药物
top_results = util.semantic_search(cosine_scores, medicines, top_k=1)

sql 复制代码

-- 2. Neo4j数据库中创建节点和关系
CREATE (m:Medicine {name: '板蓝根颗粒', effect: '清热解毒', symptom: '喉咙痛'})
CREATE (s:Symptom {name: '喉咙痛'})
CREATE (m)-[:TREATS]->(s)

关注B站，私信获取！麦麦大数据

文章结尾部分有CSDN官方提供的学长联系方式名片

文章结尾部分有CSDN官方提供的学长联系方式名片