为解决在线学习中出现的“认知过载”和“学习迷航”等问题, 针对用户的个性化学习需求, 同时考虑知识点之间的逻辑关系, 本文将知识图谱融入学习资源推荐模型. 首先构建了学科知识图谱、学习资源模型和用户数学模型, 综合考虑用户的兴趣偏好、用户知识库与学习资源所涵盖知识点的关联度以建立多目标优化模型. 然后使用自适应多目标粒子群算法对模型求解, 基于个体拥挤距离降序排列缩减外部种群规模, 获得了分布特征良好的两目标Pareto前沿, 输出推荐资源序列. 实验时通过与标准多目标粒子群算法对比并使用HV、IGD指标对模型进行评价, 验证了其多样性和稳定性, 证明了算法良好的全局寻优和收敛性能. 采用五折交叉验证了算法良好的推荐效用.

abagen：艾伦大脑图谱遗传数据的工具箱 该软件包提供了一个Python界面，用于获取和使用 （AHBA）微阵列表达数据。 概述 2013年，艾伦脑科学研究所发布了，该数据集包含从六个人脑收集的微阵列表达数据（Hawrylycz等人，2012）。 该数据集提供了前所未有的机会来检查人脑的遗传基础，并且已经产生了对例如和新颖见解。 但是，为了在大多数分析中得到有效利用，AHBA微阵列表达数据通常需要（1）折叠到感兴趣的区域（例如包裹或网络）中，以及（2）跨供体组合。 尽管这可能看起来微不足道，但这些步骤中有许多分析选择会极大地影响所得数据和任何下游分析。 Arnatkevičiūte等人，2019在中对此进行了彻底的处理，证明了用于准备原始AHBA数据的技术和代码在已发布的报告中有很大的不同。 当前的Python软件包abagen旨在提供可重现的工作流，用于处理和准备AHBA微阵列表

5118词库下载下来的行业词几万到50玩不等

本项目为本人毕设项目，仅供参考学习。本项目所使用的Python环境为3.10，数据库为Neo4j数据库，需自己提前下载配置好Neo4j数据库，本项目使用的Neo4j版本为neo4j-community-5.16.0。配置好后先下载好相关py包，再运行build_medicalgrahp.py将data数据预处理并入库Neo4j，生成知识图谱，接着运行start.py，运行整个项目。

由于目前一些公司还在使用neo4j的3.x老版本，而且官网上找不到下载的页面，该资源提供所有neo4j-community-3.x的老版本下载，并且提供两个最重要的neo4j老版本上的插件（apoc和algo）的下载。

Python语言下使用爬虫工具从求医问药网爬取、解析相应的数据内容，经处理融合后生成结构化数据文件。 以此文件可构建起以疾病为中心的医疗知识图谱，实体规模4.4万，实体关系规模30万。 医药领域知识图谱，主要包含实体约4.4万个，其中包括Check，诊断检查项目，3353；Department，医疗科目，54；Disease，疾病，8807；Drug，药品，3828；Food，食物， 4870；Producer，在售药品，17201；Symptom，疾病症状，5,998。 关系总计约30万条，主要包括属于、疾病常用药品、疾病宜吃食物、药品在售药品、疾病所需检查、疾病忌吃食物、疾病推荐药品、疾病推荐食谱、疾病症状、疾病并发疾病等。 属性包含疾病名称、 疾病简介、疾病病因、预防措施、治疗周期、治疗方式、治愈概率、疾病易感人群等

在医学研究领域，尤其是遗传学，家系图的绘制是一项至关重要的任务。家系图能够清晰地展示家庭成员之间的遗传关系、健康状况以及疾病模式，为科学家和医生提供宝贵的线索来理解遗传疾病的发生机制和诊断治疗策略。"医学遗传学家系图谱绘制软件"就是专门为此目的设计的工具，它简化了复杂数据的可视化过程，使得研究人员和学生能更高效地进行工作。 家系图通常包括以下几个核心元素： 1. **家庭成员**：家系图中的每个小人代表一个家庭成员，通常用不同的符号表示性别，男性通常用直角矩形表示，女性用椭圆形表示。年龄、婚姻状况和生育情况也会通过附加的标记来展示。 2. **世代**：家系图会按照世代排列，长辈在上，晚辈在下，直观显示家族代际关系。 3. **遗传病特征**：患病的家庭成员会被特别标注，可能用特殊颜色或符号标记，显示疾病的传递路径。 4. **生育与死亡**：子女数量、存活状态、死亡年龄等信息也会在图中呈现，有助于分析遗传模式。 5. **遗传标记**：对于遗传研究，可能还会包括特定基因突变或遗传标记的信息，这些可以通过额外的线或注释来表示。 这种"医学遗传学家系图谱绘制软件"可能具备以下特性： - **用户友好的界面**：软件应具有直观的拖放功能，允许用户轻松添加、编辑和删除家庭成员。 - **自定义选项**：用户可以定制符号、颜色和标签，以适应不同的研究需求。 - **自动化功能**：软件可能自动布局家系图，优化空间利用，避免线路交叉。 - **数据导入/导出**：支持从电子病历系统或其他数据库导入数据，同时也能够导出为常见的图像格式，方便报告和分享。 - **统计分析**：内置的统计功能可能帮助分析遗传模式，如孟德尔遗传规律的符合性，或者计算特定遗传病的风险。 - **协作功能**：多人可以同时编辑同一张图谱，这对于团队工作尤其有用。 - **隐私保护**：考虑到医疗信息的敏感性，软件应有严格的权限管理和数据加密措施。 使用这样的软件，无论是学生还是专业研究人员，都能更有效地整理和分析遗传数据，推动医学遗传学的进步。在面对复杂的遗传病研究时，这类工具无疑成为了有力的助手。

面向知识图谱和大语言模型的因果关系推断综述.pdf

基于neo4j+python开发的心理疾病咨询知识图谱智能问答系统，实现了前后端的开发设计。 知识图谱包含disease、alternate_name、pathogenic_site、department、symptom 、check、susceptible_crowd等实体类型和disease_alternate_nam、disease_pathogenic_site 、disease_symptom、disease_check、disease_department、disease_complication、disease_confusable、disease_crowd等关系类型，共7类1462个实体和3927条关系，实现针对心理疾病咨询的智能问答。

知识体系全系列图谱文件