模型架构：

• 在线部分：
• 主逻辑服务、
• werobot微信公众号服务、
• 用户对话管理（保存聊天记录）
• 句子相关性服务（判断用户两次问题是否有关联，有关联需要结合上一个聊天信息进行回复）
• neo4j图数据库：保存疾病和疾病对应多个症状的图结构数据，用于智能机器人对用户回复提供数据支持

• 离线部分：将源数据进行处理，抽取疾病名（文件名）和对应症状实体的数据，以图的形式送入图数据库当中
• 两种数据源：结构化和非结构化
• 结构化：疾病名为文件名（如：发烧），文件内容为症状实体（打喷嚏，流鼻涕、头晕、乏力等），
• 非结构化：疾病名为文件名（如：发烧），文件内容为一段发烧相关症状的自然语言描述（如下：）

我能感觉到自己的体温明显升高，皮肤也变得灼热，好像整个人都在火炉里一样。这种感觉非常不舒服，让我无法集中注意力，也难以进行正常的活动。

除了体温升高，我还会感到浑身无力，好像所有的力气都被抽走了一样。即使是简单的动作，比如走路或者抬手，也变得异常困难。

• 两种处理方式：
• 结构化：将已经为实体的症状数据送入审核模型中、去除那些表述不规范的症状数据去除（如“没食欲”表述成”没欲食“，那就要去除），之后再讲疾病-n个症状的数据送入数据
• 非结构化：自然语言文本中的症状实体抽取出来，比如上述例子中的“体温明显升高”，“浑身乏力”，“疲劳”等实体。再讲这些抽取的实体送入审核模型在送入数据库。

项目困难点：