TCM Knowledge Graph (中医知识图谱)

基于 LLM 和 Neo4j 的中医知识图谱构建与问答系统。

功能特性

• 数据爬取: 自动爬取中药、方剂等中医知识数据
• 知识抽取: 利用 LLM (通义千问) 从非结构化文本中抽取实体和关系
• 图谱构建: 将抽取的知识存储到 Neo4j 图数据库
• 语义搜索: 基于 BGE-M3 向量模型的语义检索
• 智能问答: 结合知识图谱的 RAG 问答系统

系统架构

┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│   Crawler   │───>│  Extraction │───>│   Neo4j     │
│   (爬虫)    │    │  (LLM抽取)  │    │   (图数据库) │
└─────────────┘    └─────────────┘    └─────────────┘
                                            │
                                            v
                   ┌─────────────┐    ┌─────────────┐
                   │   FastAPI   │<───│  LangGraph  │
                   │   (API服务) │    │  (智能Agent)│
                   └─────────────┘    └─────────────┘

快速开始

1. 克隆项目

git clone https://github.com/your-username/tcm-knowledge-graph.git
cd tcm-knowledge-graph

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

cp .env.example .env
# 编辑 .env 文件，填入你的配置

4. 下载向量模型

BGE-M3 模型约 2.2GB，需要单独下载：

# 使用 huggingface-cli
huggingface-cli download BAAI/bge-m3 --local-dir ./model/bge-m3

# 或使用 modelscope (国内用户推荐)
modelscope download --model BAAI/bge-m3 --local_dir ./model/bge-m3

5. 启动 Neo4j

确保 Neo4j 数据库已启动，并配置正确的连接信息。

6. 运行

# 爬取数据
python crawler/crawl_zhongyao.py
python crawler/crawl_fangji.py

# 抽取知识
python extraction/extract_zhongyao_to_json.py
python extraction/extract_fangji_to_json.py

# 转换为 Alpaca 格式
python extraction/convert_zhongyao_to_alpaca.py
python extraction/convert_fangji_to_alpaca.py

# 导入 Neo4j
python database/import_alpaca_to_neo4j.py

目录结构

tcm-knowledge-graph/
├── .gitignore              # Git 忽略规则
├── .env.example            # 环境变量模板
├── README.md               # 项目说明
├── requirements.txt        # Python 依赖
├── LICENSE                 # MIT 许可证
├── common/                 # 公共模块
│   ├── config.py           # 配置管理
│   ├── llm.py              # LLM 客户端
│   ├── neo4j_manager.py    # Neo4j 客户端
│   ├── embedding_model.py  # 向量嵌入模型
│   └── path_utils.py       # 路径工具
├── crawler/                # 爬虫模块
│   ├── crawl_fangji.py     # 方剂爬虫
│   ├── crawl_zhongyao.py   # 中药爬虫
│   └── fetch_*.py          # 页面抓取
├── extraction/             # 信息提取模块
│   ├── extract_graph_utils.py      # 知识抽取工具
│   ├── extract_fangji_to_json.py   # 方剂抽取
│   ├── extract_zhongyao_to_json.py # 中药抽取
│   └── convert_*_to_alpaca.py      # 格式转换
├── database/               # 数据库模块
│   └── import_alpaca_to_neo4j.py   # Neo4j 导入
├── examples/               # 示例代码
│   ├── neo4j_client.py     # Neo4j 使用示例
│   └── request_test.py     # API 请求测试
├── model/                  # 模型目录 (gitignore)
│   └── bge-m3/             # BGE-M3 向量模型
├── picture/                # 图片资源
└── app/                    # 主应用模块
    ├── src/                # 源代码
    ├── tests/              # 测试代码
    ├── docker/             # Docker 配置
    └── pyproject.toml      # 项目配置

配置说明

环境变量

变量名	说明	示例
MODEL_API_KEY	通义千问 API 密钥	sk-xxx
MODEL_BASE_URL	API 基础 URL	https://dashscope.aliyuncs.com/compatible-mode/v1
MODEL_NAME	模型名称	qwen3-max
NEO4J_URI	Neo4j 连接地址	bolt://localhost:7687
NEO4J_USER	Neo4j 用户名	neo4j
NEO4J_PASSWORD	Neo4j 密码	your_password
EMBEDDING_MODEL_PATH	向量模型路径	./model/bge-m3

知识图谱 Schema

实体类型

类型	说明	示例
Herb	中药材	人参、黄芪
Formula	方剂	四君子汤、桂枝汤
Disease	疾病	感冒、肺炎
Symptom	症状	咳嗽、发热
Effect	功效	补气、活血
Source	出处	《本草纲目》

关系类型

关系	说明	示例
TREATS_DISEASE	治疗疾病	桂枝汤 → 感冒
ALLEVIATES_SYMPTOM	缓解症状	人参 → 乏力
HAS_EFFECT	具有功效	黄芪 → 补气
HAS_INGREDIENT	包含成分	四君子汤 → 人参
HAS_SYMPTOM	具有症状	感冒 → 发热
FROM_SOURCE	出自文献	桂枝汤 → 《伤寒论》

技术栈

• LLM: 通义千问 (Qwen)
• 向量模型: BGE-M3
• 图数据库: Neo4j
• Web 框架: FastAPI
• Agent 框架: LangGraph
• 编程语言: Python 3.10+

许可证

本项目采用 MIT 许可证，详见 LICENSE 文件。