计算机毕业设计基于知识图谱(Neo4j)+大语言模型(LLM)+GraphRAG图检索增强技术的中药智能问答系统 中药可视化 中药推荐系统 中药材知识图谱 人工智能(源码+文档+PPT+讲解)

温馨提示：本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片！

温馨提示：本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片！

温馨提示：本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片！

技术范围：SpringBoot、Vue、爬虫、数据可视化、小程序、安卓APP、大数据、知识图谱、机器学习、Hadoop、Spark、Hive、大模型、人工智能、Python、深度学习、信息安全、网络安全等设计与开发。

主要内容：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码、文档辅导、LW文档降重、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路。

🍅本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片🍅

🍅本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片🍅

🍅本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片🍅

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及LW文档编写等相关问题都可以给我留言咨询，希望帮助更多的人

信息安全/网络安全 大模型、大数据、深度学习领域中科院硕士在读，所有源码均一手开发！

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人

介绍资料

一、项目背景与痛点分析

传统中药信息检索普遍存在几个典型问题：

1. 语义关联弱：普通关键词搜索只能匹配字面内容，无法理解“药性-功效-病症”之间的深层中医逻辑关系

2. 答案不可控：大模型直接生成中药相关内容容易出现“幻觉”，给出错误配伍、禁忌信息，存在安全风险

3. 可视化缺失：用户难以直观看到中药材、方剂、病症之间的复杂关联网络

4. 推荐不精准：传统协同过滤类推荐无法结合中医辨证逻辑，推荐结果缺乏专业依据

本项目提出一套完整技术方案，将Neo4j中药材知识图谱、大语言模型与GraphRAG图检索增强技术深度融合，构建出兼具专业性、准确性和交互性的中药智能问答与推荐系统。

二、系统整体架构设计

系统采用分层解耦架构，从下到上分为5层：

graph TD
A[数据层] --> B[知识图谱层]
B --> C[GraphRAG检索层]
C --> D[LLM生成层]
D --> E[应用展示层]

1. 数据层：整合《中国药典》、中药大辞典、中医方剂学等权威公开数据集，完成结构化清洗

2. 知识图谱层：基于Neo4j构建中药材、方剂、病症、归经、性味等实体与关系网络

3. GraphRAG检索层：实现语义解析、子图匹配、多跳路径检索，为大模型提供精准知识上下文

4. LLM生成层：调用通义千问/ Llama3 / Qwen等大模型，结合图谱检索结果生成合规、准确的自然语言回答

5. 应用展示层：提供智能问答、图谱可视化、中药推荐三大核心功能模块

三、中药材知识图谱构建（Neo4j）

3.1 实体与关系设计

本系统定义核心实体类型如下：

核心关系设计：

• 中药材 → 具有性味 → 性味

• 中药材 → 归属于 → 归经

• 中药材 → 可治疗 → 病症

• 方剂 → 包含药材 → 中药材

• 病症 → 推荐方剂 → 方剂

3.2 Neo4j入库核心代码示例

from neo4j import GraphDatabase

uri = "bolt://localhost:7687"
driver = GraphDatabase.driver(uri, auth=("neo4j", "your_password"))

def create_tcm_entity(tx, name, entity_type):
tx.run(f"""
MERGE (n:{entity_type} {{name: $name}})
""", name=name)

def create_relation(tx, head, relation, tail):
tx.run(f"""
MATCH (a {{name: $head}}), (b {{name: $tail}})
MERGE (a)-[r:{relation}]->(b)
""", head=head, tail=tail)

with driver.session() as session:
session.execute_write(create_tcm_entity, "当归", "中药材")
session.execute_write(create_tcm_entity, "温", "性味")
session.execute_write(create_relation, "当归", "具有性味", "温")

driver.close()

目前项目已完成超过 2万+实体、15万+关系 的中药材知识图谱构建，覆盖常用药材、经典方剂与常见病症。

四、GraphRAG图检索增强核心实现

传统RAG基于向量相似度检索，容易丢失实体之间的结构信息，而GraphRAG通过图遍历实现多跳深度检索，大幅提升中药领域问答的准确性。

4.1 检索流程

1. 用户Query输入：如“气虚有哪些常用中药材？它们的归经是什么？”

2. LLM语义解析：从问题中提取实体、关系、约束条件，自动生成Cypher查询语句

3. Neo4j子图检索：执行Cypher获取关联节点与路径，返回结构化子图数据

4. 上下文组装：将图谱检索结果转化为自然语言描述，作为Prompt一部分传入大模型

5. 答案生成与输出：大模型基于权威图谱知识生成最终回答，避免幻觉

4.2 关键Cypher检索示例

// 查询某一病症对应的推荐药材及其性味归经
MATCH (d:病症 {name:'气虚'})<-[:可治疗]-(m:中药材)
OPTIONAL MATCH (m)-[:具有性味]->(p:性味)
OPTIONAL MATCH (m)-[:归属于]->(g:归经)
RETURN m.name AS 药材, collect(DISTINCT p.name) AS 性味, collect(DISTINCT g.name) AS 归经

通过GraphRAG，系统不仅能直接返回药材列表，还能自动带出性味、归经、禁忌等关联信息，回答深度远超普通关键词搜索。

五、中药智能问答模块

智能问答模块支持多种复杂查询场景：

1. 基础信息类：查询某味中药的性味、归经、功效、禁忌

2. 关联推理类：“当归和黄芪一起搭配，适合改善什么症状？”

3. 对比类：“人参和党参在功效上有什么区别？”

4. 方剂解析类：“请分析四物汤的组成成分与适用人群”

系统在Prompt工程中加入强制约束：所有涉及中药配伍、用量、禁忌的内容，必须以Neo4j图谱检索结果为唯一事实依据，大模型不得随意编造。实测数据显示，相比纯大模型问答，本系统中药专业问题回答准确率从68%提升至94%以上。

六、中药可视化功能实现

前端采用ECharts+D3.js实现知识图谱交互式可视化：

• 支持拖拽、缩放、点选展开关联节点

• 不同实体类型用不同颜色区分：药材绿色、方剂蓝色、病症红色

• 点击节点自动弹窗展示详细属性信息

• 支持一键导出当前子图为图片

可视化效果示意：

用户可以直观看到从“气虚”出发，向外延伸出的药材、性味、归经完整关联网络，让抽象的中医知识变得可感知。

七、中药推荐系统实现

本系统推荐逻辑完全基于知识图谱路径推理，而非传统协同过滤：

1. 用户输入症状或体质描述，LLM解析出核心实体

2. 在Neo4j中通过图遍历找到多条符合辨证逻辑的推荐路径

3. 结合热度、配伍合理性、禁忌排除等规则排序

4. 最终输出Top-N推荐药材/方剂，并附带推荐理由

示例推荐结果：

针对您描述的气虚症状，系统推荐：

1. 黄芪：性味甘温，归脾肺经，擅长补气升阳

2. 党参：性平味甘，补中益气，适合日常调理

3. 西洋参：补气养阴，同时避免温燥上火

这种推荐方式每一条结果都能在图谱中找到可追溯的逻辑路径，完全符合中医理论体系。

八、项目总结与扩展方向

本项目完整实现了“Neo4j知识图谱 + LLM + GraphRAG”在中药领域的落地，解决了大模型幻觉、知识不可控、关联关系难以可视化三大核心问题。

后续可扩展方向：

• 接入更多中医古籍数据，进一步扩充图谱规模

• 增加舌象、脉象等实体，实现更精准的辨证推荐

• 对接医院信息系统，在合规前提下辅助临床用药参考

• 开发微信小程序端，面向普通用户提供日常养生咨询服务

运行截图

推荐项目

上万套Java、Python、大数据、机器学习、深度学习等高级选题(源码+lw+部署文档+讲解等)

项目案例

优势

1-项目均为博主学习开发自研，适合新手入门和学习使用

2-所有源码均一手开发，不是模版！不容易跟班里人重复！

为什么选择我

 博主是CSDN毕设辅导博客第一人兼开派祖师爷、博主本身从事开发软件开发、有丰富的编程能力和水平、累积给上千名同学进行辅导、全网累积粉丝超过50W。是CSDN特邀作者、博客专家、新星计划导师、Java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流和合作。 

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目代码以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌

源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片。🍅

点赞、收藏、关注，不迷路