F067 中医养生知识图谱健康问答系统+膳食食疗系统

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: F067

F067 中医养生知识图谱健康问答系统

---

视频

F067-中医养生问答科普系统

---

1 系统简介

系统简介：本系统是一个基于 Vue+Flask+Neo4j 构建的 中医养生知识图谱健康问答系统 。其核心功能围绕中医知识管理、智能问答、养生科普与可视化数据分析 。主要功能模块包括：用户登录注册、健康问答、养生科普、药材药方搜索、知识图谱可视化、数据大屏、关键词词云分析、后端管理、个人设置等。

---

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 Vuetify 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、新闻、药材、药方等结构化数据，利用 PyMySQL 作为MySQL驱动支持，并通过 py2neo 与Neo4j图数据库交互，实现知识图谱的查询、展示与管理。

在智能问答 功能方面，系统采用自然语言处理与图数据库联合查询机制，支持中医方剂、药材、症候等多类实体的语义检索；当知识图谱无法匹配时，调用大模型（LLM）生成专业回答；在可视化分析方面，结合ECharts与echarts-wordcloud组件，实现数据大屏、词云、关键词分析等动态展示。

---

2.1 系统架构图

---

2.2 功能模块图

主要功能模块有：

1. 用户管理模块：登录注册、权限控制、个人信息设置
2. 养生问答模块：智能问答（中医/养生）、多模态问题处理
3. 知识图谱模块：图谱可视化、节点关系查询
4. 养生科普模块：资讯发布与查看、评论点赞
5. 搜索服务模块：药材、药方、关键词检索
6. 数据分析模块：数据大屏、词频分析、词云展示
7. 后台管理模块：用户、药材、药方、新闻管理
8. 可视化交互模块：D3.js图谱布局、双击/悬停等交互

---

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"或"去注册"可以切换。登录需要验证用户名和密码是否正确，支持用户名+密码认证，密码经过 BCrypt 加密存储 。注册流程需填写用户名、密码、邮箱，注册成功后默认为普通用户（roles=normal），系统自动完成用户信息写入MySQL表 tb_user。

---

3.2 智能健康问答系统

系统实现多类型中医养生问答功能，涵盖：

• 养生问答：如"菊花茶的养生功效是什么？"
• 中医病症问药方：如"气虚外感风寒怎么治疗？"
• 药方问药材：如"麻黄汤包含哪些药材？"
• 配伍关系查询 ：如"当归配伍的药方有哪些？"
  问答逻辑流程如下：

1. 用户输入问题（如："麻黄汤能治什么病？"）

2. 关键词提取（使用自定义分词器 + 结巴分词，识别"麻黄汤""治""病"）

3. 路由分发 ：根据关键词关键词类型调度至 search_2（主治症候查询）或 search_3（药材组成查询）

4. Cypher查询执行 ：

   MATCH (n:药方 {name: '麻黄汤'})-[r:治疗]-(m:症候)
   RETURN m.name

5. 返回结果：如"感冒、风寒表证等"

6. 若无结果：调用大模型（LLM）生成专业回答，如："麻黄汤主要用于风寒表实证，以发汗解表为主，常伴恶寒、无汗、头痛症状。"

---

3.3 养生知识图谱可视化

系统使用 D3.js 实现知识图谱的可视化展示，支持以下功能：

• 节点类型区分 ：使用不同颜色标识 药方、药材、养生方法、典籍、症候 等节点。
• 关系网络绘制 ：节点通过 包含、出自、治疗、适用于、配伍禁忌 等关系线连接。
• 交互增强 ：
  • 双击节点：弹出属性表单，展示完整信息（如药材性味归经），并支持展示关联图片。
  • 悬停关系线：高亮路径上的两个节点。
  • 双击关系线：弹窗展示关系两端节点详情。
• 布局自动化：采用力导向图（Force-Directed Graph）自动优化节点位置，避免重叠与混乱。

---

3.4 药材与药方搜索

支持通过关键词快速检索药材、药方信息：

• 药材搜索（例："黄芪"）：返回其性味、归经、功效、配伍禁忌等。
• 药方搜索（例："四物汤"）：返回组成药材、主治症候、来源典籍等。
• 多维筛选：支持按"名称"、"来源"、"主治症候"等多字段模糊查询。

前端使用模糊输入框，通过Axios请求后端接口 /search，后端根据 QUERY_MAP 动态生成Cypher语句：

QUERY_MAP = {
    '1': "MATCH (n:药方) WHERE n.name =~ '.*%s.*'",
    '2': "MATCH (n:药方) WHERE n.来源 =~ '.*%s.*'",
    '3': "MATCH (n:药方) WHERE n.主治症候 =~ '.*%s.*'",
    '4': "MATCH (n)-[r]-(m) WHERE n.name =~ '.*%s.*'"
}

---

3.5 养生资讯发布与查看

支持翻页、点赞、评论等功能。

• 资讯管理 ：用户可发布养生内容（标题、正文、图片），系统记录为 tb_news 表数据。
• 审核机制 ：
  • 普通用户发布 → status = -1（未审核）
  • 管理员审核 → status = 0（已通过）
  • 前端仅展示 status = 0 的新闻
• 互动功能 ：
  • 点赞 ：用户可对资讯点赞，记录于 tb_thumb，支持取消点赞
  • 评论 ：在资讯页加载所有评论，支持用户发表评论（存储于 tb_comment）
  • 评论区：动态加载评论，评论含用户头像、昵称、时间、内容

---

3.6 后台管理模块

管理员拥有全部管理权限，包括：

• 用户管理：增删改查用户信息，修改角色（normal/admin）
• 药材管理：新增/编辑/删除药材信息
• 药方管理：管理药方数据，包括名称、组成、主治等
• 新闻管理：审核用户发布的资讯，支持批量操作
• 权限控制 ：通过 roles 字段控制菜单可见性

前端通过 applayout.vue 判断用户权限，动态加载不同菜单项。

---

3.7 数据可视化大屏

利用 ECharts 实现数据可视化，包括：

• 统计分析 ：
  • 药方类型分布饼图
  • 收录数量趋势折线图
  • 药材/药方数量排名柱状图
• 关键词分析 ：
  • 使用 jieba 分词 + TF-IDF 和 TextRank 提取中药方剂关键词
• 词云分析 ：
  • 从 主治症候 字段提取高频词，通过 echarts-wordcloud 组件生成词云图
  • 重点展示"咳嗽"、"失眠"、"脾胃虚弱"等高频症候词

---

3.8 个人设置

个人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：可以上传头像（支持JPG/PNG），填写昵称、性别、邮箱等个人信息。
• 修改密码 ：需输入旧密码，验证成功后可设置新密码，密码使用 BCrypt 加密存储。

---

3.9 知识图谱图谱模型

2.1 核心节点类型

节点标签	属性示例	说明
药方	name, 来源, 组成, 主治症候	经典中药方剂
药材	name, 性味, 归经	单味药材信息
养生方法	name, 适用季节, 功效	食疗/运动等养生方案
典籍	name, 朝代, 作者	《黄帝内经》等医学典籍
症候	name, 病理特征	气血两虚等中医症候

2.2 主要关系类型

(药方)-[包含]->(药材)
(药方)-[出自]->(典籍)
(药方)-[治疗]->(症候)
(养生方法)-[适用于]->(症候)
(药材)-[配伍禁忌]->(药材)

---

4 程序核心算法代码

4.1 代码说明

系统后端核心为问答模块与图谱查询，采用 Flask 构建API，py2neo 操作 Neo4j，实现动态 Cypher 查询。主要函数包括：

• get_target_array()：基于结巴分词提取问题中的关键实体。
• search_1 / search_2 / search_3：分别处理不同类型的查询。
• search_yangsheng：处理复杂实体关系，支持自动构建查询语法。
• /get_answer：统一接口，实现问题分发与结果返回。

---

4.2 流程图

（此处插入问答流程图：用户输入 → 分词 → 路由 → Cypher查询 → 结果返回 → LLM回退）

---

4.3 代码实例

# 后端接口：获取问答结果
@app.route('/get_answer', methods=['POST'])
def get_answer():
    data = request.get_json()
    question = data.get('question', '')
  
    # 关键词提取
    targets = get_target_array(question)
  
    # 路由分发
    if '病' in question or '症候' in question:
        results = search_1(question, targets)
    elif '含' in question or '配伍' in question:
        results = search_3(question, targets)
    elif '治' in question or '药方' in question:
        results = search_2(question, targets)
    else:
        results = search_yangsheng(question, targets)
  
    # 若无结果，调用大模型生成
    if not results:
        # 调用外部 LLM API（如通义千问、Qwen）
        llm_response = call_llm(question)
        return jsonify({"result": llm_response})
  
    return jsonify({"result": results})

---

# 数据库查询函数：药方组成查询
def search_3(query, targets):
    if not targets:
        return []
  
    node_name = targets[0]  # 举例：当归
    cypher = f"""
        MATCH (n:药材 {{name: '{node_name}'}})-[r:包含]-(m:药方)
        RETURN m.name, m.来源, m.主治症候
    """
    result = []
    with graph.session() as session:
        records = session.run(cypher)
        for record in records:
            result.append({
                'name': record['m.name'],
                '来源': record['m.来源'],
                '主治症候': record['m.主治症候']
            })
    return result

---

-- MySQL：用户表结构
CREATE TABLE tb_user (
    id INT PRIMARY KEY AUTO_INCREMENT,
    username VARCHAR(50) UNIQUE NOT NULL,
    password VARCHAR(100) NOT NULL,
    email VARCHAR(100) UNIQUE,
    nickname VARCHAR(50),
    roles ENUM('normal', 'admin') DEFAULT 'normal',
    avatar VARCHAR(200),
    created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);

-- MySQL：新闻表（含审核状态）
CREATE TABLE tb_news (
    id INT PRIMARY KEY AUTO_INCREMENT,
    title VARCHAR(200) NOT NULL,
    content TEXT,
    author_id INT,
    status INT DEFAULT -1, -- -1: 未审核, 0: 已通过
    created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
    updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
);

-- Neo4j：药方与药材之间的关联
CREATE CONSTRAINT ON (n:药方) ASSERT n.name IS UNIQUE;
CREATE CONSTRAINT ON (n:药材) ASSERT n.name IS UNIQUE;
CREATE CONSTRAINT ON (n:典籍) ASSERT n.name IS UNIQUE;

---

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: F067