构建基于知识图谱的医生推荐系统

资源摘要信息:"毕设高分新项目-基于知识图谱的医生推荐系统python实现源码含超详细项目说明+数据.zip" 本项目是一个创新性研究，旨在通过构建医疗知识图谱和医生服务评价体系，提高患者对疾病的自我诊断能力和医生的匹配推荐效率。以下是对项目描述中所涉及知识点的详细介绍： 1.BERT+CRF+BiLSTM医疗实体识别： BERT（Bidirectional Encoder Representations from Transformers）是一种基于Transformer的预训练语言表征模型，能够从大量未标记文本中学习语言的双向上下文关系。CRF（条件随机场）是一种常用于标注问题的概率模型，用于序列数据的标注。BiLSTM（双向长短期记忆网络）是一种能够捕捉序列数据中前后文信息的神经网络模型。项目中将BERT与CRF和BiLSTM相结合，用于医疗实体的识别，为建立医学知识图谱奠定基础。 2.知识图谱建立： 知识图谱是一种结构化的语义知识库，它以图形的形式将信息和数据组织起来，通常包含实体、属性和关系。在本项目中，知识图谱被用来表示医疗领域的实体（如疾病、症状、药品等）及其相互关系。通过医疗实体识别，可以提取出问诊文本中的关键信息，并将其映射到知识图谱上，实现对疾病进行初步诊断。 3.疾病自诊： 疾病自诊功能依赖于医疗知识图谱，通过分析患者的问诊文本，系统能够识别出文本中的关键医疗实体，并根据知识图谱中的实体关系给出初步诊断。这为患者提供了一个初步了解自己疾病状况的途径，同时也有助于患者更好地与医生沟通。 4.医生推荐系统： 本项目的医生推荐系统使用了基于Jacard距离的Minhash和minhashLSHForest算法。Jacard距离是一种用于测量样本集相似度的指标，Minhash是一种用于近似计算Jacard距离的技术，而minhashLSHForest则是对Minhash的改进算法，用于加速最相似项的检索。该推荐系统通过匹配患者的咨询文本和医生的历史问诊信息，能够为患者推荐最适合的医生。 5.使用django框架进行项目发布： Django是一个高级的Python Web框架，它鼓励快速开发和干净、实用的设计。在本项目中，django框架被用来搭建整个医生推荐系统的后端，以及管理数据采集、处理和用户界面等。 6.数据采集模块： 项目的`spiders`模块负责数据采集，其中包括39crawler和hdf两个爬虫程序，分别用于获取39健康网和好大夫网的数据集。这些爬虫使用了scrapy框架，它是一个快速、高层次的网页爬取和网页抓取框架，用于从网站上抓取信息。 7.编译后的代码和运行程序： 本项目提供了编译后的代码程序，用户可以通过百度网盘下载。资源中包含一个dist文件夹，里面包含了spider_run.exe，这是用于运行爬虫程序的可执行文件。双击该文件即可启动爬虫，开始数据采集工作。 本项目的实施将为医疗领域提供一种新的辅助诊断和医生推荐的手段，有望提升医疗服务的效率和质量。同时，该系统也提供了一个实用的python项目实现案例，对于学习和掌握相关技术有着重要的参考价值。