SpringBoot+Neo4j医疗知识图谱问答系统实战：从图谱构建到意图识别

简介这是一套面向计算机、通信、人工智能等专业学生与开发者的医疗领域知识图谱问答项目源码基于SpringBoot与Neo4j构建可作为毕业设计、课程大作业或期末课设的完整参考方案也适合希望入门知识图谱与图数据库应用的小白进阶学习。压缩包共210个文件约71.71MB以61个java源文件、62个class编译文件、66个txt说明文档为主另含xml配置、json数据、properties参数文件及md项目说明覆盖实体建模、数据生成、问句分类与匹配等核心模块。目前已有268人学习下载。项目经调试测试可稳定运行答辩评审分达98分读者可据此掌握医疗知识图谱的构建流程、Neo4j图数据库操作与问答匹配逻辑并在此基础上修改调整实现个性化功能扩展。1. 医疗知识图谱问答系统从 SpringBoot 到 Neo4j 的完整落地路径医疗领域的数据有个特点实体多、关系杂、术语还特别绕。一个「高血压」可能关联到几十种药物、并发症、检查指标用传统关系型数据库做多跳查询SQL 写到后面自己都看不懂。这个基于 SpringBoot Neo4j 的医疗知识图谱问答项目解决的正是这个问题——把疾病、症状、药品、科室等实体建成图结构用户用自然语言提问系统解析意图后在图谱里检索答案。它适合正在做 Java 毕业设计的学生也适合想了解知识图谱问答系统怎么从零搭起来的开发者。源码包里有完整的后端代码、图谱构建脚本和项目说明拿到手能跑、能改、能扩展。2. 技术选型拆解为什么是 SpringBoot Neo4j 而不是 MySQL2.1 图数据库在医疗场景下的不可替代性医疗问答的核心操作是「多跳关系查询」。比如用户问「糖尿病患者不能吃哪些药」系统需要先找到「糖尿病」节点再沿着「禁忌药物」关系找到所有关联药品节点。在 MySQL 里这至少涉及三张表 JOIN如果关系层级再深一点查询性能会断崖式下跌。Neo4j 作为原生图数据库节点和关系都是物理存储遍历关系的时间复杂度是 O(1)跟图谱规模无关。这个项目里医疗实体大致分为几类疾病Disease、症状Symptom、药品Drug、科室Department、检查项目Check。实体之间的关系包括「疾病-症状」「疾病-药品」「疾病-科室」「药品-禁忌」等。用 Cypher 查询语言表达这些关系比 SQL 直观得多// 查询高血压关联的所有症状和药品 MATCH (d:Disease {name: 高血压})-[:HAS_SYMPTOM]-(s:Symptom) OPTIONAL MATCH (d)-[:TREATED_BY]-(drug:Drug) RETURN d.name, collect(s.name) AS symptoms, collect(drug.name) AS drugs这段 Cypher 的逻辑很清晰先匹配疾病节点再分别沿着「有症状」和「被治疗」两条关系边扩展。OPTIONAL MATCH保证即使某种关系不存在疾病节点本身也会返回。参数{name: 高血压}是节点属性过滤实际项目中会从用户输入里抽取实体后动态传入。2.2 SpringBoot 在问答系统中的角色分工SpringBoot 在这个项目里承担的是「编排层」的职责。它不直接处理图谱查询而是负责接收前端请求、调用 NLP 模块做意图识别和实体抽取、把抽取结果转成 Cypher 查询、调用 Neo4j 驱动执行、把结果组装成自然语言返回。项目常见的分层结构是这样的层级职责关键类/包Controller接收 HTTP 请求参数校验QaControllerService意图识别、实体抽取、查询编排QaService、NlpServiceRepositoryNeo4j 数据访问DiseaseRepository等ConfigNeo4j 连接、CORS、拦截器Neo4jConfig这种分层的好处是NLP 模块可以独立替换。比如你一开始用 HanLP 做分词和实体识别后面想换成别的方案只要接口不变Service 层不用大改。2.3 环境搭建Neo4j 安装与 SpringBoot 项目初始化Neo4j 社区版就够用。下载解压后进入bin目录执行启动命令# Linux/Mac ./neo4j start # Windows neo4j.bat start启动后访问http://localhost:7474默认用户名和密码都是neo4j首次登录会强制改密码。这里有个坑社区版默认只监听本地如果 SpringBoot 和 Neo4j 不在同一台机器上需要改conf/neo4j.conf里的dbms.default_listen_address0.0.0.0。SpringBoot 项目初始化时在pom.xml里加 Neo4j 驱动依赖dependency groupIdorg.neo4j.driver/groupId artifactIdneo4j-java-driver/artifactId version5.x.x/version !-- 版本号以项目实际为准 -- /dependency如果用 Spring Data Neo4j还需要加spring-boot-starter-data-neo4j。两者的区别是原生驱动更灵活适合手写 CypherSpring Data Neo4j 提供了 Repository 抽象简单查询写起来快但复杂查询还是得用Query注解写 Cypher。配置文件application.yml里至少要配这些spring: neo4j: uri: bolt://localhost:7687 authentication: username: neo4j password: 你的密码bolt://是 Neo4j 的二进制协议端口比 HTTP 端口7474性能好生产环境都用这个。3. 图谱构建与问答流程从 CSV 导入到意图识别3.1 医疗实体数据建模与 CSV 批量导入项目源码里通常会带一份医疗数据的 CSV 文件格式大概是这样的disease,symptom,drug,department 高血压,头痛,硝苯地平,心内科 高血压,头晕,氯沙坦,心内科 糖尿病,多饮,二甲双胍,内分泌科导入 Neo4j 有两种常见做法。一种是写 Cypher 的LOAD CSV// 导入疾病-症状关系 LOAD CSV WITH HEADERS FROM file:///medical_data.csv AS row MERGE (d:Disease {name: row.disease}) MERGE (s:Symptom {name: row.symptom}) MERGE (d)-[:HAS_SYMPTOM]-(s);MERGE而不是CREATE是关键——MERGE会先检查节点是否存在避免重复导入时产生重复节点。file:///指向 Neo4j 安装目录下的import文件夹CSV 必须放在那里才能被读到。另一种做法是在 SpringBoot 启动时用 Java 代码批量导入适合数据量不大或者需要做数据清洗的场景// 伪代码示意实际以项目源码为准 try (Session session driver.session()) { for (MedicalRecord record : records) { session.run( MERGE (d:Disease {name: $disease}) MERGE (s:Symptom {name: $symptom}) MERGE (d)-[:HAS_SYMPTOM]-(s), Map.of(disease, record.getDisease(), symptom, record.getSymptom()) ); } }参数用$disease这种占位符传入不要用字符串拼接否则会有 Cypher 注入风险。批量导入时建议每 500 条提交一次事务太大容易内存溢出太小则性能差。3.2 意图识别与实体抽取的工程实现用户输入「高血压吃什么药」系统需要做两件事识别意图是「查询治疗药物」抽取实体是「高血压」。项目里常见的做法是用 HanLP 做分词和命名实体识别再配合关键词匹配判断意图。// 简化的意图识别逻辑 public QaIntent recognizeIntent(String question) { // 用 HanLP 分词 ListTerm terms HanLP.segment(question); // 提取医疗实体 ListString entities terms.stream() .filter(t - t.nature Nature.nz || t.nature Nature.n) .map(Term::word) .collect(Collectors.toList()); // 关键词匹配意图 if (question.contains(吃什么药) || question.contains(用什么药)) { return new QaIntent(QUERY_DRUG, entities); } if (question.contains(什么症状) || question.contains(有哪些表现)) { return new QaIntent(QUERY_SYMPTOM, entities); } return new QaIntent(UNKNOWN, entities); }这段代码的逻辑是先分词再根据词性筛选可能的医疗实体nz是其他专名n是名词最后用关键词匹配确定意图。实际项目中实体识别会更精细比如维护一个医疗实体词典用词典匹配 词性过滤双重校验。意图识别完成后Service 层根据意图类型选择对应的 Cypher 模板public String answer(String question) { QaIntent intent nlpService.recognizeIntent(question); String cypher; switch (intent.getType()) { case QUERY_DRUG: cypher MATCH (d:Disease {name: $name})-[:TREATED_BY]-(drug:Drug) RETURN drug.name AS answer; break; case QUERY_SYMPTOM: cypher MATCH (d:Disease {name: $name})-[:HAS_SYMPTOM]-(s:Symptom) RETURN s.name AS answer; break; default: return 抱歉我暂时无法理解这个问题; } // 执行查询并组装答案 return executeCypher(cypher, intent.getEntities().get(0)); }这种「意图 → Cypher 模板 → 参数填充」的模式是这个项目最核心的工程思路。它的好处是可扩展新增一种问法只需要加一个意图类型和一个 Cypher 模板。3.3 多跳查询与答案组装有些问题需要多跳查询。比如「高血压患者不能吃哪些药」路径是疾病 → 禁忌药品 → 药品名称。Cypher 写起来是这样的MATCH (d:Disease {name: $name})-[:CONTRAINDICATED_DRUG]-(drug:Drug) RETURN drug.name AS drugName, drug.description AS description如果关系方向不确定可以用-[r]-不指定方向或者用shortestPath找最短路径MATCH (d:Disease {name: $name}), (target:Drug) WHERE target.name $drugName MATCH path shortestPath((d)-[*..5]-(target)) RETURN path[*..5]表示最多 5 跳防止查询在大图上无限扩展。这个参数要根据实际图谱的深度来调太小查不到太大性能差。答案组装时通常会把查询结果拼成一段自然语言public String formatAnswer(String intentType, ListString results) { if (results.isEmpty()) { return 未找到相关信息; } switch (intentType) { case QUERY_DRUG: return 治疗该疾病的常用药物包括 String.join(、, results); case QUERY_SYMPTOM: return 该疾病的常见症状有 String.join(、, results); default: return String.join(、, results); } }4. 避坑与排查那些让我加班到凌晨的问题4.1 Neo4j 连接超时或认证失败现象SpringBoot 启动时报Unable to connect to localhost:7687或Authentication failed。原因三种可能——Neo4j 没启动、端口不对、密码没改对。社区版首次登录必须改密码如果跳过这步后续所有连接都会失败。解决先确认 Neo4j 进程在跑neo4j status再检查application.yml里的 URI 是bolt://不是http://最后确认密码和 Neo4j 浏览器里设置的一致。如果忘了密码可以删掉data/dbms/auth文件重置。4.2 Cypher 查询返回空结果但数据明明存在现象在 Neo4j 浏览器里能查到的数据通过 Java 驱动查就是空的。原因最常见的是属性名大小写不一致。Neo4j 的属性名是区分大小写的{name: 高血压}和{Name: 高血压}是两个不同的属性。另一个原因是中文编码问题CSV 导入时如果没指定 UTF-8中文会变成乱码。解决统一属性命名规范建议全小写。CSV 文件保存时确认编码是 UTF-8LOAD CSV时可以加FIELDTERMINATOR和ENCODING参数。4.3 意图识别准确率低答非所问现象用户问「糖尿病不能吃什么」系统返回了「糖尿病的症状」。原因关键词匹配太粗糙「不能吃什么」和「吃什么」被归到了同一类意图。另外实体抽取时如果没识别出「糖尿病」后续查询直接失败。解决意图匹配的关键词要覆盖否定句式比如「不能」「禁忌」「避免」单独归为一类。实体抽取可以加一个医疗词典做兜底HanLP 的通用模型对医疗术语识别率有限自定义词典能明显提升效果。4.4 批量导入时内存溢出现象导入几千条数据时 Java 进程 OOM或者 Neo4j 响应变慢。原因一次性把所有数据加载到内存或者每条数据单独提交事务导致事务开销过大。解决分批处理每 500 条提交一次。用session.run()时不要每次新建 Session复用同一个 Session 对象。如果数据量特别大考虑用 Neo4j 的neo4j-admin import工具做离线导入速度比 Cypher 快一个数量级。4.5 前端跨域请求被拦截现象前端调接口时报CORS policy错误。原因SpringBoot 默认不允许跨域请求而前端开发服务器通常跑在另一个端口。解决加一个全局 CORS 配置类或者在 Controller 上加CrossOrigin注解。生产环境建议用 Nginx 做反向代理把前后端放在同一个域名下从根上避免跨域问题。Configuration public class CorsConfig implements WebMvcConfigurer { Override public void addCorsMappings(CorsRegistry registry) { registry.addMapping(/api/**) .allowedOrigins(*) .allowedMethods(GET, POST) .allowedHeaders(*); } }5. 进阶技巧让问答系统更懂医疗场景5.1 用同义词扩展提升召回率医疗领域的同义词特别多「心梗」和「心肌梗死」、「高血压」和「血压高」、「糖尿病」和「消渴症」。如果图谱里只存了标准术语用户用口语提问就查不到。常见的做法是建一张同义词表在实体抽取后做一次归一化private static final MapString, String SYNONYM_MAP Map.of( 心梗, 心肌梗死, 血压高, 高血压, 消渴症, 糖尿病 ); public String normalizeEntity(String entity) { return SYNONYM_MAP.getOrDefault(entity, entity); }这张表可以硬编码在代码里也可以存到 Neo4j 里做成Synonym节点通过关系关联到标准实体。后者的好处是维护方便不用改代码重新部署。5.2 查询结果排序与置信度当查询返回多个结果时需要决定哪个排在前面。一个简单的策略是按关系权重排序在图谱里给每条关系加一个weight属性查询时按权重降序返回。MATCH (d:Disease {name: $name})-[r:TREATED_BY]-(drug:Drug) RETURN drug.name AS name, r.weight AS weight ORDER BY r.weight DESC LIMIT 10weight可以手动标注也可以根据数据来源的可信度自动生成。比如来自临床指南的数据权重设为 1.0来自百科的设为 0.6。这样返回的结果更符合医疗场景的严谨性要求。5.3 对话上下文保持单轮问答只能处理简单问题用户问完「高血压吃什么药」之后接着问「那有什么副作用」系统需要知道「那」指的是前面提到的药物。实现方式是在 Session 里存一个上下文对象public class DialogContext { private String lastEntity; private String lastIntent; // getter/setter 省略 }每次请求进来先检查上下文如果当前问题里没有实体就用上下文里的lastEntity补上。这个机制不复杂但能明显提升多轮对话的体验。5.4 图谱可视化与调试开发阶段建议把 Neo4j 浏览器一直开着写完 Cypher 先在浏览器里跑一遍确认结果对了再写到代码里。Neo4j 浏览器会自动把查询结果渲染成图节点和关系一目了然。如果查询结果不对可以逐步拆解先查节点是否存在再查关系是否存在最后查完整路径。我自己的习惯是每次改完 Cypher 模板先在浏览器里用真实数据跑三遍一遍正常输入一遍边界输入比如不存在的疾病名一遍空输入。三遍都过了再集成到代码里。这个习惯帮我省了很多返工的时间。希望帮到你。本文还有配套的精品资源点击获取