基于neo4j的医疗问诊系统

介绍：
请使用前务必读一下README.md，系统主要是医疗问诊的问答，图谱问答底层有具体文档说明，可以直接看，
有一部分开源代码，建议的就别要这个了哈。
整个系统使用django构建，自带了一份数据，比较完整，
有初始化数据脚本，neo4j按照README.md初始化。
底层数据库知识图谱采用neo4j，关系型数据库采用sqlite，
也可以换成mysql，主要是图谱的展示与问答。

详细描述：

1、系统具有完整的用户体系，使用Django框架实现登录、注册和退出功能。

2、问答部分采用模板匹配,词性匹配等，这部分是一些成熟的开源代码，底层比较复杂，有对应的说明文档和代码详解。

总结
基于规则的问答系统没有复杂的算法，一般采用模板匹配的方式寻找匹配度最高的答案，回答结果依赖于问句类型、
模板语料库的覆盖全面性，面对已知的问题，可以给出合适的答案，对于模板匹配不到的问题或问句类型，
经常遇到的有三种回答方式：

1、给出一个无厘头的答案；

2、婉转的回答不知道，提示用户换种方式去问；

3、转移话题，回避问题；

基于知识图谱的问答系统的主要特征是知识图谱，系统依赖一个或多个领域的实体，
并基于图谱进行推理或演绎，深度回答用户的问题，基于知识图谱的问答系统更擅长回答知识性问题，
与基于模板的聊天机器人有所不同的是它更直接、直观的给用户答案。对于不能回答、或不知道的问题，一般直接返回失败，
而不是转移话题避免尴尬。

整个问答系统的优劣依赖于知识图谱中知识的数量与质量。也算是利弊共存吧！
知识图谱图谱具有良好的可扩展性，扩展了知识图谱也就是扩展了问答系统的知识库。如果问句在射程范围内，可轻松回答，
但如果不幸脱靶，则体验大打折扣。

从知识图谱的角度分析，大多数知识图谱规模不足，
主要原因还是数据来源以及技术上知识的抽取与推理困难。

800