糖尿病是一种常见疾病。基于糖尿病的相关医疗知识问答系统会引导糖尿病患病人群科学的治疗和缓解糖尿病病症,指导糖尿病患者加强健康管理。本文通过将糖尿病治疗的相关知识和计算机的优势相结合构建糖尿病知识图谱并实现基于糖尿病知识图谱的问答系统,该系统的主要工作有命名实体识别、关系抽取、知识图谱和问答系统的构建与实现。命名实体识别和关系抽取是构建知识图谱的重要环节,其性能好坏会直接影响到知识图谱的质量。为了提高关系抽取在糖尿病数据集上的准确性,本文提出了一种用于关系抽取的双层时空图卷积神经网（Bilayer Spatiotemporal Graph Convolution Neural Network,Bi Sp GCN）,该模型以双向长短时记忆网络（Bi-directional Long Short-Term Memory,Bi LSTM）为基础学习句子的时序信息,然后结合依赖树作为多头注意力引导的图卷积神经网络（Attention Guided Graph Convolutional Networks for Relation Extraction,AGGCN）的输入来学习空间信息,接着使用条件随机场（Conditional random fields,CRF）对Bi LSTM的时序编码信息进行粗略标注,并通过对AGGCN的空间编码信息进行深度标注,完成特征融合后实现关系抽取。该模型在中文糖尿病数据集和中文人物关系数据集上的实验结果表明,相较于现有AGGCN模型,Bi Sp GCN模型能够充分的学习句子的空间和时序信息,在中文糖尿病数据集上取得了不错的效果,对关系抽取有着很好的性能,同时也可以直接得到实体关系三元组并用于构建知识图谱。基于糖尿病知识图谱的问答系统能够接收用户提出的糖尿病相关问题,通过算法分析后得到问题类别。然后通过图数据库查询语句得到相应的答案。最后并以可视化的方式显示在网页上,进而实现了人机交互功能。构建糖尿病知识图谱的流程是:首先经过命名实体识别和关系抽取从中文糖尿病数据集中获得实体和关系组成实体关系三元组,然后使用Neo4j数据库中自带的Cypher语句构建知识图谱,将实体和关系以图的形式存入图数据库中,最后通过Neo4j可视化知识图谱。本文围绕基于糖尿病知识图谱的问答系统来展开研究,最终实现的问答系统能够帮助患者作辅助治疗以及在生活中帮助用户来了解糖尿病相关知识,达到预防糖尿病的发病或缓解病症。