智能医疗问答系统

在线体验

• 使用微信扫码并关注公众号

• 

• 发送疾病名即可，例如头疼

项目背景

本项目基于 WeRoBot、Flask、BERT、Redis、Neo4j 等技术，构建了一个完整的 微信公众号智能问答系统，支持 文本分析、知识库构建 和 智能检索。该系统主要包含 微信公众号管理、自然语言处理（NLP）分析、缓存管理、知识图谱 等核心模块。

目录结构

.
├── docker_offline         # 离线数据处理
│   ├── dataset            # 数据集存储
│   ├── model              # 预训练模型
│   ├── output             # 处理后数据存储
│   ├── preprocessing_structured_data   # 结构化数据预处理
│   ├── preprocessing_unstructured_data # 非结构化数据预处理
├── docker_online          # 在线服务模块
│   ├── bert_serve         # BERT 服务
│   ├── main_serve         # 主服务端
│   ├── wechat             # 微信公众号管理
├── logs                   # 全局日志存储
├── wr.py                  

1. 运行环境

1.1 依赖安装

本项目依赖以下 Python 库及工具：

WeRoBot~=1.13.1
requests~=2.32.3
zhipuai~=2.1.5.20250106
torch~=2.5.1
flask~=3.1.0
pandas~=2.2.3
scikit-learn~=1.6.1
transformers~=4.45.2
redis~=5.2.1
neo4j~=5.27.0
matplotlib~=3.9.2
tqdm~=4.66.5
numpy~=1.26.4
datasets~=2.19.1
torchvision~=0.20.1
pydantic~=2.10.6

1.2 服务器环境

• Debian GNU/Linux 11
• 4H8G
• 无GPU

2. 各模块介绍

2.1 微信公众号管理

• WeRoBot：用于处理微信公众号的消息交互。
• Flask Web 服务器：提供 REST API，连接微信、NLP 模块。
• 智普智能对话：调用智普 API 进行对话处理。
• Redis 缓存：加速访问，存储临时数据。
• Neo4j 知识图谱：存储结构化的医疗知识，支持知识查询。

2.2 语义处理核心模块（NLP）

• BERT 语义匹配：对文本进行语义理解，提高问答匹配精度。
• RNN 语义分析：结合历史数据，进行深度语义学习。
• 命名实体识别（NER）：提取关键实体信息（如疾病、症状）。

2.3 数据存储

• 结构化数据：存储于 Neo4j，便于查询。
• 非结构化数据：通过 NER、BERT 进行文本解析。
• Redis：存储高频查询结果，优化性能。

3. 部署与启动方式

本项目统一使用 Supervisord 进行进程管理，并使用 Gunicorn 作为 Web 服务器。

3.1 Supervisord 配置

3.1.1 启动微信公众号后端

[program:wechat_bot]
command=/root/anaconda3/envs/请替换为自己的真实虚拟环境路径/bin/python 请替换为自己的真实项目路径/wr.py
autostart=true
autorestart=true
startsecs=5
stderr_logfile=请替换为自己的真实项目路径/logs/wechat_bot.err.log
stdout_logfile=请替换为自己的真实项目路径/logs/wechat_bot.out.log
stderr_logfile_maxbytes=50MB
stdout_logfile_maxbytes=50MB
stderr_logfile_backups=5
stdout_logfile_backups=5
user=root
directory=请替换为自己的真实项目路径
environment=PYTHONUNBUFFERED=1

3.1.2 启动 Flask 问答接口

[program:reply_end]
command=/root/anaconda3/envs/请替换为自己的真实虚拟环境路径/bin/gunicorn -w 1 -b 0.0.0.0:5000 app:app
autostart=true
autorestart=true
startsecs=10
stderr_logfile=请替换为自己的真实项目路径/logs/reply_end.err.log
stdout_logfile=请替换为自己的真实项目路径/logs/reply_end.out.log
stderr_logfile_maxbytes=50MB
stdout_logfile_maxbytes=50MB
stderr_logfile_backups=5
stdout_logfile_backups=5
user=root
directory=请替换为自己的真实项目路径/docker_online/main_serve
environment=PYTHONUNBUFFERED=1

3.1.3 启动 BERT 识别服务

[program:recognition_end]
command=/root/anaconda3/envs/请替换为自己的真实虚拟环境路径/bin/gunicorn -w 1 -b 0.0.0.0:5001 app:app
autostart=true
autorestart=true
startsecs=10
stderr_logfile=请替换为自己的真实项目路径/logs/recognition_end.err.log
stdout_logfile=请替换为自己的真实项目路径/logs/recognition_end.out.log
stderr_logfile_maxbytes=50MB
stdout_logfile_maxbytes=50MB
stderr_logfile_backups=5
stdout_logfile_backups=5
user=root
directory=请替换为自己的真实项目路径/docker_online/bert_serve
environment=PYTHONUNBUFFERED=1

4. API 说明

API 地址	描述
/wr.py	微信公众号消息处理
/zhipu_ai_chat.py	智普AI 对话
/v1/recognition/	BERT 语义匹配
/v1/main_serve/	命名实体识别

5. 许可证

本项目基于 MIT 许可证发布，可自由使用和修改。

---

如有问题，请联系 [email protected]。