Build a medical knowledge graph based on Unified Language Medical System (UMLS)

一款智能辅助评估工具和个性化医疗建议生成应用。采用优化的“关键词-权重”模糊匹配算法，提升数据的检索匹配精度、减小模型计算开销；再利用“语义匹配模型”进一步提升数据匹配精度，得到最终数据集，最后利用大预言模型（LLM）辅助生成与患者基本信息和病情高度相关的稳定、可靠、准确、安全的个性化医疗建议。

LiteralKG is a novel Attributed Knowledge Graph Embedding Model developed by NS Lab @ CUK based on pure PyTorch backend.