面向“保险 + 医养”生态的 GraphRAG 问答系统

本项目实现了一个基于 知识图谱 + 大语言模型（GraphRAG） 的问答系统，面向“保险 + 医疗 + 养老”跨域场景。
整体流程：用户提问 → 规则 NER/意图识别 → Neo4j 图谱检索 → 构造上下文 Prompt → 调用 LLM → 生成带溯源的回答。

---

一、项目整体结构

• question_understanding/：问题理解模块

  • 规则词典 + 正则实现实体识别（疾病、药品、保险产品、养老机构等）
  • 意图分类（可投保性 insurability / 费用 cost / 保障 coverage / 治疗 treatment / 资格 eligibility / 通用 general）
  • 年龄、性别、城市等关键信息抽取，输出 ParsedQuestion 数据结构

• graph_retrieval/：图谱检索（Neo4j）

  • 从 config.yaml 读取 Neo4j 连接配置（URI / 用户 / 密码）
  • 根据解析后的实体和意图构造 Cypher 查询
  • 支持：
    • 疾病治疗关系：(Disease)-[TREATED_BY]->(Drug)
    • 疾病 / 药品分类：BELONGS_TO
    • 保险产品年龄限制 / 保障内容：AGE_LIMIT、COVERAGE（以及统一成 HAS_AGE_LIMIT / COVERS 的本体设计）
  • 当图中缺少保险或机构标签时，会自动回退到“疾病中心 1–2 跳子图”

• answer_generation/：答案生成模块

  • ContextBuilder：将三元组按 head 分组，转成自然语言描述，构造知识上下文
  • PromptTemplateManager：为不同意图设计不同的 Prompt 模板（中文），输出标准 messages 列表
  • AnswerFormatter：整理大模型输出，附带引用三元组和置信度

• llm_integration/：大模型集成

  • BaseLLM / LLMResponse：统一 LLM 接口
  • MockLLM：默认使用的本地模拟模型，方便无 Key 调试
  • ZhipuAILLM：对接智谱 AI（GLM 系列），支持推理模型与普通模型
  • llm_factory.create_llm()：根据 config.yaml 和 .env 自动选择 Mock 或 ZhipuAI

• storage/：图谱存储与导入

  • neo4j_config.py：封装 Neo4j 连接，优先从项目根目录 config.yaml 读取配置
  • import_data.py：读取处理后的实体和三元组 JSON，批量导入 Neo4j（节点 + 关系 + 索引）
  • query.py：按 id 搜索实体、获取 1 跳子图等查询接口

• extraction/（来自 kg 分支）：知识图谱构建

  • extract_icd11.py：从 ICD‑11 文本抽取疾病和疾病分类
  • extract_pdf.py：从“商业健康保险创新药品目录”等 PDF 抽取药品和药品分类
  • generate_triples.py：
    • 实体标准化与同义词对齐（高血压 / 原发性高血压 / 2 型糖尿病等）
    • 生成 BELONGS_TO / INDICATED_FOR / TREATED_BY / ALIGNED_WITH 等三元组

• ontology/：本体设计文档

  • 定义 Disease / Drug / DiseaseCategory / DrugCategory / InsuranceProduct / AgeLimit / Institution / MedicalService 等实体
  • 定义 TREATED_BY、BELONGS_TO、HAS_AGE_LIMIT、COVERS、PROVIDED_BY、ALIGNED_WITH 等关系

• visualization/：图谱可视化

  • visualization/app.py：基于 Streamlit + PyVis 的图谱浏览工具，可搜索实体并查看 1 跳子图

• pipeline.py：GraphRAG 主流程入口文件

  • 串联上述所有模块，实现从自然语言问题到最终回答的完整流水线。

---

二、GraphRAG 问答流程说明

1. 问题理解（QuestionUnderstanding）

   • 输入：用户自然语言问句（中文）
   • 输出：ParsedQuestion，包含：
     • 实体列表（entities）：如“高血压”“护理险”“养老院”等及其类型
     • 意图（intent）：如 insurability / treatment / cost 等
     • 年龄（age）：解析“70岁”等表达
     • 其他约束（constraints）：性别、城市等

2. 图谱检索（Neo4jGraphRetrieval）

   • 根据意图构造不同的 Cypher 查询：
     • 可投保性：保险产品与疾病关系 / 年龄限制
     • 费用：产品价格 / 养老机构收费（需要在图谱中补充对应关系）
     • 治疗：疾病与药物的 TREATED_BY / 药品适应症 INDICATED_FOR
   • 使用实体标准化与同义词映射，提高疾病匹配的鲁棒性
   • 对 Neo4j 查询结果进行解析，统一为 Triple 对象列表
   • 若主查询结果为空，自动回退到“疾病相关局部子图”作为兜底

3. 上下文构造（ContextBuilder）

   • 从检索到的三元组中，截取最多 system.max_triples 条（默认可在 config.yaml 中配置）
   • 按头实体分组，如【关于高血压】【关于太平养老护理险】等
   • 使用中文模板将 (head, relation, tail) 转为自然语言句子，拼接成一段“知识背景”说明

4. Prompt 构建与 LLM 调用

   • PromptTemplateManager 根据意图选取不同的用户 Prompt 模板，填入：
     • 用户原始问题
     • 知识图谱上下文文本
     • 用户年龄等信息
   • 生成标准的 messages 列表（system + user），兼容 OpenAI / 智谱等对话接口
   • 调用 llm.chat(messages) 获取大模型回复（默认为 MockLLM，可配置为 ZhipuAI）

5. 答案格式化与溯源（AnswerFormatter）

   • 对 LLM 输出进行简单清洗和结构化
   • 附带：引用的三元组列表（用于前端溯源展示）
   • 计算并输出一个简单的置信度（high / medium / low）
   • 提供 answer_simple 接口直接返回纯文本回答。

---

三、本地运行指南

以下命令均在项目根目录 c:\Users\asus\taikang 执行。

1. 安装依赖

pip install -r requirements.txt

2. 配置并启动本地 Neo4j

1）在 Neo4j Desktop 中：

• 创建一个 Local DBMS，设置密码（记住即可）
• 启动该 DBMS，确认 Bolt 地址：如 bolt://localhost:7687

2）修改项目根目录的 config.yaml：

neo4j:
  uri: "bolt://localhost:7687"
  user: "neo4j"
  password: "你的密码"

system:
  max_hops: 2
  max_triples: 50
  enable_source: true

3. 构建并导入医疗知识图谱

python extraction/extract_icd11.py
python extraction/extract_pdf.py
python extraction/generate_triples.py
python storage/import_data.py

上述脚本会：

• 从原始 ICD‑11 文本和药品 PDF 中抽取结构化实体
• 生成 aligned_entities.json 与 triples.json
• 调用 storage/import_data.py 将节点和关系批量写入 Neo4j

4. 运行 GraphRAG 问答主流水线

python pipeline.py

你将在终端看到每个测试问题的 6 个步骤：

1. 实体与意图识别结果
2. 图谱检索的 Cypher 与返回的三元组数量
3. 构造的上下文文本片段
4. 构建的 Prompt 条数
5. LLM 调用信息（模型名、tokens 等）
6. 最终回答、引用三元组数量与置信度

你可以直接修改 pipeline.py 末尾的 test_questions 列表，替换为你自己的问题。

5. 图谱可视化（可选）

python -m streamlit run visualization/app.py

浏览器中即可：

• 搜索实体（如“霍乱”“糖尿病”“高血压”）
• 查看实体的 1 跳子图及关系类型
• 查看中心节点的属性详情。

---

四、配置真实智谱 LLM（可选）

项目默认使用 MockLLM，无需任何 Key 就能完成整个流程。
若想接入智谱 GLM 模型：

1. 在项目根目录创建 .env 文件：

ZHIPUAI_API_KEY=你的智谱APIKey

2. 在 config.yaml 中设置：

llm:
  provider: "zhipuai"

3. 确认已安装：

pip install zhipuai

再次运行 python pipeline.py，即可看到真实模型返回的答案与 token 统计。

---

五、注意事项与后续扩展

• 本 README 使用 UTF‑8 编码，只包含常规中英文字符，可在任何现代编辑器中正常显示。
• 当前图谱中医疗域数据较为丰富（疾病、药品、分类、适应症、治疗关系等），保险与养老域的数据量相对较少；要在“护理险能否投保”“养老院费用”等问题上得到更精准、更多溯源的回答，需要进一步补充：
  • InsuranceProduct、AgeLimit、Coverage、COVERS / EXCLUDES 等实体与关系
  • Institution、MedicalService、费用与入住条件等实体与关系
• 本项目已经具备：本体设计 + 图谱构建 + Neo4j 存储 + GraphRAG 问答 + 可视化 + LLM 对接的完整工程链路，可直接用于课程/课题的技术报告与演示。

GraphRAG Question Answering System

This repository implements a GraphRAG (knowledge-graph-based Retrieval-Augmented Generation) pipeline for the ��insurance + medical + elderly care�� domain.

Directory overview

• question_understanding/: rule-based question parsing (entities, intent, age, constraints).
• graph_retrieval/: Neo4j-based subgraph retrieval (Cypher queries, entity alignment, fallbacks).
• answer_generation/: context building from triples, prompt templates, answer formatting.
• llm_integration/: LLM abstraction and factory (Mock LLM / ZhipuAI).
• storage/: knowledge graph storage utilities (Neo4j config, import scripts, query helpers).
• extraction/ (from kg branch): raw data extraction and triple generation.
• ontology/: ontology and entity�Crelationship design docs.
• visualization/: Streamlit + PyVis graph explorer.

End-to-end QA flow

1. Question understanding
   QuestionUnderstanding.parse() extracts:

   • entities (Disease, Drug, InsuranceProduct, Institution, etc.)
   • intent (insurability, treatment, cost, coverage, eligibility, general)
   • age and simple constraints (gender, city).

2. Graph retrieval (Neo4j)
   Neo4jGraphRetrieval.retrieve():

   • builds an intent-aware Cypher query from the parsed question
   • executes it against Neo4j
   • parses records into Triple objects
   • if no result for insurance / institution labels, falls back to disease-centered subgraphs.

3. Context construction
   ContextBuilder.build_context() groups triples by head entity and converts them into readable Chinese sentences, used as knowledge context.

4. Prompt building & LLM call
   PromptTemplateManager.build_prompt() chooses a template by intent and builds messages for the LLM.
   create_llm() returns either:

   • a Mock LLM (no API needed), or
   • a real ZhipuAI client (when configured).

5. Answer formatting & traceability
   The final answer includes:

   • natural-language response
   • referenced triples for traceability
   • a simple confidence score.

How to run locally

1. Install dependencies

pip install -r requirements.txt

2. Configure Neo4j

Edit config.yaml at the repo root:

neo4j:
  uri: "bolt://localhost:7687"
  user: "neo4j"
  password: "your_password"

system:
  max_hops: 2
  max_triples: 50
  enable_source: true

Start a local Neo4j DBMS in Neo4j Desktop with the same URI/user/password.

3. Build and import the medical KG (from kg branch code)

From the project root:

python extraction/extract_icd11.py
python extraction/extract_pdf.py
python extraction/generate_triples.py
python storage/import_data.py

This will create and import:

• data/processed/medical/aligned_entities.json
• data/processed/medical/triples.json into your Neo4j instance.

4. Run the GraphRAG QA pipeline

python pipeline.py

pipeline.py runs several test questions end-to-end and prints:

• intermediate steps (parsing, retrieval, context, prompt, LLM call)
• final answer
• number of referenced triples.

5. (Optional) Graph visualization

python -m streamlit run visualization/app.py

Then open the local URL printed in the terminal to:

• search entities by name
• explore their 1-hop neighborhood
• inspect node properties and relationships.

LLM configuration (ZhipuAI)

By default, the system uses a Mock LLM so that it works without any API keys.

To enable ZhipuAI:

1. Create .env in the repo root with:

ZHIPUAI_API_KEY=your_zhipuai_api_key_here

2. In config.yaml, set:

llm:
  provider: "zhipuai"

On the next run, create_llm() will attempt to use ZhipuAI; if the SDK or key is missing, it gracefully falls back to the Mock LLM.