[发明专利]一种基于综合推理的智能分诊方法

权利要求书

1.一种基于综合推理的智能分诊方法，其特征在于，包括：

获取用户输入的描述语句，根据描述语句生成查询语句，同时将描述语句经过预处理后进行文本表示，所述描述语句中至少包括症状及症状对应的轻重程度，提取症状及对应程度；

采用综合推理的方法获得分诊信息，所述综合推理包括知识图谱推理、大数据推理和专家经验推理，所述知识图谱推理的输入为查询语句，输出知识图谱分诊结果，所述大数据推理的输入为文本表示，输出大数据分诊结果，所述专家经验推理的输入为症状及对应程度，输出专家经验分诊结果；

对综合推理输出的分诊结果，优先级为专家经验分诊结果大于大数据分诊结果大于知识图谱分诊结果。

2.根据权利要求1所述的一种基于综合推理的智能分诊方法，其特征在于，所述生成查询语句的具体方法是：从描述语句中提取症状信息，基于症状信息生成SPARQL查询语句；

所述基于知识图谱推理的方法获得分诊信息的具体方法包括：

1)构建知识图谱：采用jena作为平台，构建知识图谱，知识的来源是已有的病历资料，知识建模的方法是，将疾病作为类别，根据病历资料获取类别的属性关系，再利用jena API创建模型，生成RDF文本；

2)知识存储：利用jena将构建好的知识库固化为TDA的格式进行存储；

3)知识图谱推理：通过jena的模型工厂和推理机注册器创建推理机，并绑定相关的RDF三元组数据和owl本体模型，推理机将根据规则进行推理，生成一个推理结果图，该图通过jena的本体API查询和调用；

4)获得分诊信息：基于正向链推理的规则，根据查询语句，通过SPARQL查询读取推理结论，根据对应的结论进行分诊，输出分诊信息。

3.根据权利要求2所述的一种基于综合推理的智能分诊方法，其特征在于，所述预处理的具体方法包括：

1)删除否定短语；

2)通过语法分析，将语句分为三类：第一类语句为名词+形容词/名词+动词，定义为N-A/N-V式，第二类语句为数量式短语，第三类语句为其他类型短语；

3)进行中文分词和噪音消除：对第一类语句，使用键值对分词法，即将名词作为键值，形容词/动词作为对应键值的属性；对第二类语句，采用数值判断的方式转为键值对表示，具体为根据数据库中的标准，将具体数据转化为文本作为键值的属性，包括偏高、偏低、正常，同样名词作为键值；对第三类语句，使用MeCab进行中文分词，得到平行单词；

4)特征选择：对于键值对，直接提取键值加入到关键特征集；对于平行单词，采用信息增益算法选择出重要单词，将重要单词加入关键特征集；

5)对关键特征集进行赋值，即根据键值对应的所有属性值从0开始编号，不同属性通过不同的阿拉伯数字进行区分，获得文本表示；

所述基于大数据推理的方法获得分诊信息的具体方法为：

1)获取病历数据，将病历数据按照关键词和诊断结果进行存储，具体为：使用每一篇病历的诊断结果即疾病名替换文章名，将病历中的数据进行预处理转化为文本表示，使用mysql数据库进行疾病名+文本表示的格式进行存储；

2)设定一个病症对应一个关键特征，判断获得的文本表示中病症是否小于3个，若是，则认为当前获得的描述语句不足以分诊，生成问诊语句并进行显示，以获得包含更多病症的描述语句；否则，进入步骤3)；

3)判断病症是否小于5个，若是，则根据文本表示内容在数据库中进行匹配，选择匹配度最高的三个病历，并生成问诊语句并进行显示，以获得包含更多病症的描述语句；否则，根据文本表示内容在数据库中进行匹配，选择匹配度最高的三个病历，并根据病历对应的诊断结果，按照设定的规则进行分诊。

4.根据权利要求3所述的一种基于综合推理的智能分诊方法，其特征在于，所述症状对应的轻重程度采用模糊量词的表述方式，模糊量词至少包括特别、比较、一般；

所述基于专家经验推理的方法获得分诊信息的具体方法包括：

1)基于专家经验构建数据库：数据库由规则构成，每条规则由疾病名、对应症状和对应症状的程度构成，将描述症状程度的模糊量词采用阿拉伯数字进行编号，不同的模糊量词对应不同的编号，数字大小与设定的模糊等级规律相符；

2)根据输入的症状及对应程度进行模糊推理，得出用户可能患有的疾病及患该疾病的概率放入临时数据库，该数据库按疾病概率由大到小排序；

3)当输入的症状数量达到上限时，系统结束推理，根据疾病概率阈值P，得到概率大于P的M个疾病；

4)根据预设的分诊规则，按照M个疾病对应的规则进行分诊，输出分诊结果。