基于cMedQA v2.0数据集，得到疾病-症状问答对，分别为question.csv文件和answer.csv文件。该数据集包含11万余条症状描述和疾病识别问答，可用于疾病信息的结构化整理与医疗知识图谱的构建。数据来源：cMedQA2 - AtomGit | GitCode首先将问答对整理为一个文件medQA.csv，以question_id连接并保证每条数据question和answer非空，

基于cMedQA v2.0数据集，得到疾病-症状问答对，分别为question.csv文件和answer.csv文件。该数据集包含11万余条症状描述和疾病识别问答，可用于疾病信息的结构化整理与医疗知识图谱的构建。数据来源：cMedQA2 - AtomGit | GitCode首先将问答对整理为一个文件medQA.csv，以question_id连接并保证每条数据question和answer非空，

docker已安装完成，故直接安装tugraph。在命令行中输入打开成功。tugraph用户名admin密码73@TuGraph。（改为123z）tugraph：首先获取两个json文件分别用于建立模型和导入数据：用于建模，由方法构建；用于导入数据，由方法构建。该模型共有6个顶点：, , , , , 。5条边：, , , , 。分别为指向其他顶点的关系。json文件书写代码如下：在网页端新建med

经过课程与实验训练，共收获六项知识图谱相关的基础能力和实战经历，主要是以下几点：1.Docker、Neo4j、TuGraph的认识与可视化界面的使用2.python接入Neo4j和TuGraph实现更丰富的导入数据和增删改查功能，json文件编写以及两类数据库的区别3.完整构建知识图谱对话系统，包括系统架构、功能实现、文本向cypher语句转化、结构化数据向自然语言转化、对话系统沟通窗口4.大模型

基于cMedQA v2.0数据集，得到疾病-症状问答对，分别为question.csv文件和answer.csv文件。该数据集包含11万余条症状描述和疾病识别问答，可用于疾病信息的结构化整理与医疗知识图谱的构建。数据来源：cMedQA2 - AtomGit | GitCode首先将问答对整理为一个文件medQA.csv，以question_id连接并保证每条数据question和answer非空，