- 视频中的demo演示网址用的上海服务器，低配，加载速度慢，各位轻虐~~ >.<
-
本程序实现的是中文的医疗知识图谱的自动问答机器人MedicalKBQA，是基于新版的rasa-1.1.8版本及其支持的外部组件实现的，并使用了图数据库neo4j构建知识图谱。
-
会话管理使用的是rasa-core，rasa的pipeline配置如下：
pipeline: - name: "MitieNLP" model: "data/total_word_feature_extractor_zh.dat" - name: "JiebaTokenizer" dictionary_path: "jieba_userdict" - name: "MitieEntityExtractor" - name: "EntitySynonymMapper" - name: "RegexFeaturizer" - name: "MitieFeaturizer" - name: "SklearnIntentClassifier" -
注意： rasa-nlu和rasa-core已经合并成rasa
-
Rasa训练数据集的构造： 使用到了Chatito工具
-
下载zip包或者git clone
-
进入Doctor-Friende目录，conda记得activate环境
-
然后在命令行使用
pip install -r requirements.txt -
提示：
-
国内推荐使用镜像加速，比如：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt -
如果你有代理，可以在pip install命令后加上 --proxy=地址:端口
-
-
前提是已经有了可以连接的neo4j graph
-
解压MedicalSpider/data/data.tar.gz，直接解压到MedicalSpider/data下，不要新建文件夹，则medical.json是所有数据的汇总， 将会被导入到你的知识图谱中
-
修改MedicalSpider.process_data下的create_graph.py，把neo4j数据库的链接信息改成你自己的，然后运行该文件 （为了防止路径问题，建议使用pycharm打开本项目后运行）
-
关于爬虫：爬虫实现是使用了scrapy库，若想运行，可以在Doctor-Friende目录下运行SpiderMain.py
-
整体规模：
- 13,635 nodes (5 labels)
- 114,163 relationships (6 types)
- 数据结构
| 实体类型 | 含义 | 数量 | 举例 |
|---|---|---|---|
| Disease | 疾病 | 6,143 | 百日咳\n头痛 |
| Department | 科室 | 54 | 儿科\n小儿内科 |
| Drug | 药品 | 1,124 | 硫辛酸片\n曲克芦丁片 |
| Food | 食物 | 378 | 蟹肉\n鱿鱼(干) |
| Symptom | 疾病症状 | 5,936 | 角弓反张\n视网膜Roth斑 |
| Total | 总计 | 13,635 | 约1.3万实体量级 |
-
chat/MyActions下的actions.py中同样需要先把neo4j数据库的链接信息改成你自己的
-
打开2个终端，都cd到chat目录下，conda记得activate环境
-
一个终端（启动Action Server）
rasa run actions --actions MyActions.actions --cors "*" -vv -
另一个终端（启动NLU & Core Server）
rasa run --enable-api -m models/medical-final-m3/20190728-212653.tar.gz --port 5000 --endpoints config/endpoints.yml --credentials config/credentials.yml -vv -
前端页面位于：ChatHTML
-
提示：
- 更推荐使用nohup等类似的方式在后台运行 ，并将控制台输出指向指定的文件。
-
国内作者写的Rasa_NLU_Chi，已经被rasa收入官方文档了，新版rasa已经有支持中文的方式了。
-
前端设计参考WeatherBot，此项目采用的是nlu和core合并前的rasa。
-
所以前端使用了webchat.js，rasa-webchat
-
rasa-doc或者旧版legacy-rasa-doc建议先看第一个
-
rasa-forum论坛上也会有很多问题的讨论，可以搜索
- 上传前端项目
写report- 优化readme
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent