本發(fā)明屬于育兒保健
技術(shù)領(lǐng)域：
，涉及一種智能育兒知識(shí)服務(wù)方法及系統(tǒng)。
背景技術(shù)：
：隨著互聯(lián)網(wǎng)的快速發(fā)展，計(jì)算機(jī)技術(shù)已經(jīng)在各行各業(yè)方便著人們的生活。在醫(yī)療領(lǐng)域也不例外。在網(wǎng)絡(luò)上潛藏著大量的兒科疾病的專業(yè)數(shù)據(jù)和用戶的問(wèn)診記錄，這些信息對(duì)于兒科疾病問(wèn)題的解決，就像黃金一樣零零散散的隱沒(méi)在沙子里。雖然很有用，但是不夠系統(tǒng)、不夠完整，缺乏靈活智能的組織和人性化的展現(xiàn)方式，最終不能很好的發(fā)揮作用。如何開(kāi)發(fā)出一款育兒保健的機(jī)器人系統(tǒng)，來(lái)搜集整理信息，為育兒父母服務(wù)，刻不容緩。經(jīng)過(guò)調(diào)查，目前市場(chǎng)上存在著“尋醫(yī)問(wèn)藥網(wǎng)”，“中國(guó)健康網(wǎng)”等一系列醫(yī)療網(wǎng)站，還有各大醫(yī)院的門戶網(wǎng)站，他們大都提供兒童疾病查詢和在線醫(yī)生問(wèn)診的服務(wù)。但是經(jīng)過(guò)使用后發(fā)現(xiàn)，他們的疾病查詢服務(wù)大都局限于疾病信息的檢索，并沒(méi)有對(duì)疾病信息進(jìn)行有效的構(gòu)建和整理，以形成知識(shí)庫(kù)從而為用戶更好地服務(wù)。另外他們對(duì)于信息的展示形式，大多過(guò)于單一，都只是文字的闡述和羅列。當(dāng)患兒的父母，心急如焚的查找有用信息時(shí)，往往會(huì)被淹沒(méi)在浩如煙海的文字里，最終所獲甚少。這種忽略用戶心理的交互，并不能在關(guān)健時(shí)刻及時(shí)有效的給用戶提供服務(wù)。其次，他們大而全的疾病檢索，當(dāng)然能夠包涵兒科疾病，但是精力的分散注定了其不能專注于兒童疾病。另外，這些網(wǎng)站所提供的在線醫(yī)生問(wèn)診服務(wù)，并不能做到真正的全天24小時(shí)在線，有些甚至得提前預(yù)約。可是患兒的發(fā)病時(shí)間是無(wú)規(guī)律可循的，當(dāng)夜半三更，孩子發(fā)病而醫(yī)生又恰巧不在時(shí)，這些系統(tǒng)不但不能為用戶服務(wù)，有甚者甚至延誤了患兒的治療時(shí)機(jī)。其次，這些網(wǎng)站的疾病信息來(lái)源于后臺(tái)專業(yè)人士的手動(dòng)錄入，往往有一定的滯后性。當(dāng)一種兒科流行病迅速爆發(fā)時(shí)，信息錄入滯后的網(wǎng)站，往往并不能及時(shí)更新網(wǎng)站信息，這樣，用戶就不能及時(shí)知情，及時(shí)預(yù)防，防患于未然。市場(chǎng)上也存在著“育兒網(wǎng)”、“babytree”、“yy”網(wǎng)”等育兒平臺(tái)，他們更加關(guān)注于兒童，因此對(duì)于育兒而言也更加專業(yè)。但是，他們只是關(guān)注于保健以及育兒知識(shí)的普及，對(duì)于孩子疾病的查詢和診治方面，并不能給出權(quán)威的服務(wù)。況且，他們所針對(duì)的兒童，是大多數(shù)兒童的普遍癥狀，但其實(shí)兒童的成長(zhǎng)過(guò)程是千差萬(wàn)別的，在育兒過(guò)程中的經(jīng)驗(yàn)也是各有千秋的。因此關(guān)注每一個(gè)孩子的成長(zhǎng)，為每一個(gè)孩子量身打造一個(gè)屬于自己知識(shí)經(jīng)驗(yàn)庫(kù)是十分必要的。這個(gè)經(jīng)驗(yàn)庫(kù)可以用來(lái)分享，但是并不能完全復(fù)用。目前國(guó)內(nèi)外，針對(duì)成人疾病問(wèn)診及預(yù)防的應(yīng)用軟件數(shù)量繁多，并且大多數(shù)都收到顯著的歡迎和成效。但是這類軟件應(yīng)用當(dāng)中，成人健康咨詢綜合類居多，單科類疾病問(wèn)診領(lǐng)域顯著偏少，而趨向于兒科疾病的問(wèn)診和咨詢更是寥寥無(wú)幾。例如國(guó)內(nèi)的綜合類健康咨詢應(yīng)用軟件“春雨醫(yī)生”、“好大夫”、“青蘋果健康”、“掌上醫(yī)生”等等，雖廣受歡迎但卻是針對(duì)成人綜合疾病問(wèn)診的；而育兒類軟件如“育兒指南”、“育兒?jiǎn)柎稹?、“天天育兒”、“春雨育兒醫(yī)生”，盡管以問(wèn)答形式提供了許多育兒經(jīng)驗(yàn)及在線醫(yī)生問(wèn)診服務(wù)，但仍存在以下不足：(1)上述系統(tǒng)疾病查詢服務(wù)大都局限于疾病信息的檢索，并沒(méi)有對(duì)疾病信息進(jìn)行有效的構(gòu)建和整理，以知識(shí)庫(kù)的形式呈現(xiàn)給用戶，以致于用戶還是要從繁雜的網(wǎng)絡(luò)數(shù)據(jù)中搜尋、判別有用的信息，無(wú)法精確的獲取自己想要的育兒知識(shí)。另外他們對(duì)于信息的展示形式，大多過(guò)于單一，都只是文字的闡述和羅列。當(dāng)患兒的父母，心急如焚的查找有用信息時(shí)，往往會(huì)被淹沒(méi)在浩如煙海的文字里，最終所獲甚少。這種忽略用戶心理的交互，很難在關(guān)健時(shí)刻及時(shí)有效的給用戶提供服務(wù)。(2)上述系統(tǒng)大部分是基于論壇形式的問(wèn)答服務(wù)，這種論壇形式的問(wèn)答服務(wù)提供的是一種零散式的知識(shí)服務(wù)，并不能完整的展現(xiàn)一種兒科疾病從發(fā)病到治療，再到治愈的全過(guò)程。而且隨著孩子年齡的增長(zhǎng)，育兒過(guò)程中會(huì)出現(xiàn)不同問(wèn)題，每位家長(zhǎng)都需要對(duì)比問(wèn)題所發(fā)生的前因后果，而不僅僅是通過(guò)當(dāng)前的表征狀態(tài)來(lái)獲取結(jié)論。不能為家長(zhǎng)們提供一種基于過(guò)程式的育兒知識(shí)服務(wù)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問(wèn)題，提供一種智能育兒知識(shí)服務(wù)方法，對(duì)疾病信息進(jìn)行有效的構(gòu)建和整理，以知識(shí)庫(kù)的形式呈現(xiàn)給用戶，解決了現(xiàn)有育兒知識(shí)服務(wù)方法不能完整的展現(xiàn)一種兒科疾病從發(fā)病到治療，再到治愈的全過(guò)程，缺乏人性化智能的展現(xiàn)方式，展現(xiàn)形式單一的問(wèn)題。本發(fā)明的另一目的是，提供一種智能育兒知識(shí)服務(wù)系統(tǒng)，構(gòu)建了一個(gè)基于過(guò)程的兒科知識(shí)服務(wù)社交系統(tǒng)。本發(fā)明所采用的技術(shù)方案是，一種智能育兒知識(shí)服務(wù)方法，具體按照以下步驟進(jìn)行：步驟1，信息采集：利用爬蟲(chóng)程序定時(shí)下載、解析最新的兒童疾病數(shù)據(jù)信息，并儲(chǔ)存在mysql數(shù)據(jù)庫(kù)中；步驟2，專家機(jī)器人知識(shí)庫(kù)構(gòu)建：包括疾病咨詢、疾病預(yù)測(cè)、醫(yī)生推薦三個(gè)步驟；所述疾病咨詢：將用戶提供的疾病名稱直接傳遞至疾病預(yù)測(cè)模塊；或者通過(guò)與用戶不斷的交流獲取癥狀詞，采用分詞器切分用戶輸入的口語(yǔ)癥狀詞，利用mysql數(shù)據(jù)庫(kù)中的疾病癥狀詞表識(shí)別切分后的癥狀詞，獲得癥狀詞列表，并傳遞至疾病預(yù)測(cè)模塊；所述疾病預(yù)測(cè)：包括疾病名稱預(yù)測(cè)和癥狀詞列表預(yù)測(cè)；所述疾病名稱預(yù)測(cè)是根據(jù)疾病咨詢中獲得的疾病名稱在mysql數(shù)據(jù)庫(kù)中檢索，以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；所述癥狀詞列表預(yù)測(cè)是將疾病咨詢中獲得的癥狀詞列表與mysql數(shù)據(jù)庫(kù)中每一種疾病的癥狀進(jìn)行匹配，根據(jù)匹配程度以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；所述醫(yī)生推薦：基于用戶先前的疾病咨詢記錄和疾病預(yù)測(cè)結(jié)果的點(diǎn)擊記錄，為用戶推薦與用戶所患疾病相關(guān)的醫(yī)生信息；步驟3，個(gè)人機(jī)器人知識(shí)庫(kù)構(gòu)建：用戶不斷的向個(gè)人機(jī)器人輸入自己的知識(shí)，個(gè)人機(jī)器人以一個(gè)問(wèn)題對(duì)應(yīng)一個(gè)答案的形式存儲(chǔ)在mysql數(shù)據(jù)庫(kù)中，并以知識(shí)社區(qū)的形式為不同用戶提供過(guò)程式的育兒知識(shí)服務(wù)；步驟4，系統(tǒng)交互實(shí)現(xiàn)：通過(guò)pc端和移動(dòng)端實(shí)現(xiàn)用戶交互。本發(fā)明的特征還在于，進(jìn)一步的，所述步驟2中根據(jù)疾病咨詢中獲得的疾病名稱為用戶進(jìn)行疾病預(yù)測(cè)的方法是：基于疾病名稱的檢索，采用開(kāi)源的全文搜索框架luence，分別對(duì)mysql數(shù)據(jù)庫(kù)中疾病數(shù)據(jù)的“名稱”、“概述”“詳細(xì)資料”字段提前建立索引，建立索引時(shí)賦予不同的權(quán)重，“名稱”的權(quán)重最大，根據(jù)用戶提供的疾病名稱與mysql數(shù)據(jù)庫(kù)中的疾病名稱的吻合程度，對(duì)每個(gè)檢索結(jié)果進(jìn)行打分，將得分高的疾病預(yù)測(cè)結(jié)果反饋給用戶。進(jìn)一步的，所述步驟2中將疾病咨詢中獲得的癥狀詞列表與mysql數(shù)據(jù)庫(kù)中每一種疾病的癥狀進(jìn)行匹配，根據(jù)匹配程度為用戶進(jìn)行疾病預(yù)測(cè)的方法是：采用tf-idf的余弦相似度匹配算法，具體按照以下步驟進(jìn)行：首先要對(duì)mysql數(shù)據(jù)庫(kù)中所有的疾病癥狀排序，而后根據(jù)疾病癥狀的序列，為mysql數(shù)據(jù)庫(kù)中每一種疾病構(gòu)建一條向量p，同時(shí)根據(jù)疾病咨詢中獲得的癥狀詞列表構(gòu)建一條假想疾病向量pˊ；兩條疾病向量構(gòu)建完成后，計(jì)算兩條疾病向量的余弦值，計(jì)算公式如下：當(dāng)每條疾病向量p與假想疾病向量pˊ的余弦值計(jì)算完成后，余弦值按照從大到小排序，選擇前十個(gè)余弦值對(duì)應(yīng)的疾病信息，將該疾病預(yù)測(cè)結(jié)果反饋給用戶。進(jìn)一步的，所述構(gòu)建疾病向量的方法：倘若某疾病相應(yīng)的位置確實(shí)出現(xiàn)某種癥狀，這個(gè)位置的向量因子就是此癥狀相對(duì)于此疾病的tf-idf值，倘若沒(méi)有出現(xiàn)某種癥狀，這個(gè)位置的向量因子取0值；tf-idf值的計(jì)算方式如下：tf-idf(wij)＝tf(wij)×idf(wi)tf值，表示一個(gè)癥狀詞在當(dāng)前疾病數(shù)據(jù)中出現(xiàn)的頻率，其計(jì)算公式為：其中，n(wij)表示第i個(gè)癥狀詞在第j種疾病數(shù)據(jù)中出現(xiàn)的次數(shù)，d(j)表示第j種疾病數(shù)據(jù)分詞后的總詞數(shù)；idf值，表示一個(gè)癥狀的稀有程度，其計(jì)算公式為：其中，a表示當(dāng)前的疾病總數(shù)，a(wi)表示出現(xiàn)第i個(gè)癥狀詞的疾病總數(shù)。進(jìn)一步的，所述步驟2還包括以下步驟：倘若用戶在疾病咨詢模塊給出的癥狀詞過(guò)少，不足以夠構(gòu)建假想疾病向量時(shí)，疾病預(yù)測(cè)方法為：當(dāng)用戶給出一個(gè)癥狀詞時(shí)，在mysql數(shù)據(jù)庫(kù)中查找，遍歷每一個(gè)疾病的癥狀列表，假如搜索到某一個(gè)疾病的癥狀列表中包含當(dāng)前癥狀詞，而當(dāng)前癥狀詞的tf-idf值與搜索到的疾病癥狀列表中所有癥狀詞的tf-idf總和結(jié)果比率接近于1，然后取出此疾病癥狀列表中第二大tf-idf值的癥狀詞去詢問(wèn)用戶是否滿足，倘若滿足，則繼續(xù)詢問(wèn)第三大tf-idf值的癥狀，依次類推，當(dāng)已經(jīng)確定的癥狀詞數(shù)與此疾病癥狀詞總數(shù)的比例達(dá)到65％時(shí)，將該疾病預(yù)測(cè)結(jié)果反饋給用戶；如果已經(jīng)確定的癥狀詞數(shù)與此疾病癥狀詞總數(shù)的比例不足65％時(shí)，再按照上述方法依次對(duì)其它包含當(dāng)前癥狀詞的疾病癥狀列表進(jìn)行預(yù)測(cè)。進(jìn)一步的，所述步驟2中醫(yī)生推薦的方法是：使用luence框架為醫(yī)生的信息建立索引，醫(yī)生的信息包括姓名、科室、所屬醫(yī)院、簡(jiǎn)介、主治、擅長(zhǎng)、聯(lián)系方式，不同的信息賦予不同的權(quán)重，主治和擅長(zhǎng)的權(quán)重均大于其他信息，簡(jiǎn)介的權(quán)重次之；選取排名前十的醫(yī)生推薦給用戶；在整個(gè)過(guò)程結(jié)束之后，系統(tǒng)還會(huì)訊問(wèn)用戶對(duì)于本次問(wèn)診是否滿意，將本次問(wèn)診的記錄添加到個(gè)人機(jī)器人模塊。進(jìn)一步的，所述步驟3中，對(duì)用戶提問(wèn)進(jìn)行答案檢索的方法：首先對(duì)存儲(chǔ)在mysql數(shù)據(jù)庫(kù)中的所有問(wèn)題和答案數(shù)據(jù)分域建立索引，當(dāng)用戶問(wèn)題提出時(shí)，對(duì)用戶問(wèn)題進(jìn)行分詞處理，然后去掉停用詞和虛詞，以主要實(shí)詞和用戶名建立一個(gè)嵌套查詢?cè)谒饕胁檎?。本發(fā)明所采用的另一技術(shù)方案是，一種智能育兒知識(shí)服務(wù)系統(tǒng)，包括信息采集模塊、專家機(jī)器人模塊、個(gè)人機(jī)器人模塊和系統(tǒng)交互模塊；所述信息采集模塊與mysql數(shù)據(jù)庫(kù)連接，用于通過(guò)爬蟲(chóng)程序定時(shí)獲取最新的兒童疾病數(shù)據(jù)信息；所述專家機(jī)器人模塊，用于以知識(shí)圖譜的形式直觀的為用戶提供兒科疾病相關(guān)的各類知識(shí)服務(wù)；專家機(jī)器人模塊包括疾病咨詢模塊、疾病預(yù)測(cè)模塊、醫(yī)生推薦模塊；所述疾病咨詢模塊與疾病預(yù)測(cè)模塊連接，用于獲取用戶提供的疾病名稱或癥狀詞，并將疾病名稱、癥狀詞列表傳遞至疾病預(yù)測(cè)模塊；所述疾病預(yù)測(cè)模塊，用于將疾病名稱在mysql數(shù)據(jù)庫(kù)中檢索，以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；以及將癥狀詞列表與mysql數(shù)據(jù)庫(kù)中每一種疾病的癥狀進(jìn)行匹配，根據(jù)匹配程度以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；所述醫(yī)生推薦模塊分別與疾病咨詢模塊、疾病預(yù)測(cè)模塊連接，基于疾病咨詢模塊的咨詢記錄和疾病預(yù)測(cè)結(jié)果的點(diǎn)擊記錄，為用戶推薦與用戶所患疾病相關(guān)的醫(yī)生；所述個(gè)人機(jī)器人模塊，用于將用戶輸入的知識(shí)以一個(gè)問(wèn)題對(duì)應(yīng)一個(gè)答案的形式存儲(chǔ)在mysql數(shù)據(jù)庫(kù)中，并以知識(shí)社區(qū)的形式為不同用戶提供過(guò)程式的育兒知識(shí)服務(wù)；所述系統(tǒng)交互模塊，包括pc端和移動(dòng)端。進(jìn)一步的，所述疾病咨詢模塊包括mmseg4j分詞器和疾病癥狀詞表，mmseg4j分詞器用于切分用戶輸入的口語(yǔ)癥狀詞；疾病癥狀詞表包括mysql數(shù)據(jù)庫(kù)中的疾病癥狀和臨床表現(xiàn)中的詞語(yǔ)、及其同義詞，疾病癥狀詞表用于識(shí)別經(jīng)過(guò)mmseg4j分詞器切分的癥狀詞。進(jìn)一步的，所述pc端和移動(dòng)端，采用語(yǔ)音技術(shù)讓系統(tǒng)具有人的聲音，采用數(shù)據(jù)可視化技術(shù)使得數(shù)據(jù)的展示更加形象生動(dòng)，包括多種說(shuō)法的提示語(yǔ)。本發(fā)明的有益效果是：本發(fā)明構(gòu)建了一個(gè)基于過(guò)程的兒科知識(shí)服務(wù)社交系統(tǒng)，能夠?yàn)橛脩籼峁└嘤齼哼^(guò)程中的完整記錄，幫助用戶更全面的分析已有的育兒知識(shí)；充分利用自然語(yǔ)言處理和數(shù)據(jù)相關(guān)算法，對(duì)獲取的最新兒科醫(yī)療數(shù)據(jù)進(jìn)行分析和建模，分別構(gòu)建專家機(jī)器人模塊和個(gè)人機(jī)器人模塊，專家機(jī)器人模塊以知識(shí)圖譜的形式更直觀的為用戶提供兒科疾病相關(guān)的各類知識(shí)服務(wù)；個(gè)人機(jī)器人模塊以知識(shí)社區(qū)的形式為不同用戶提供過(guò)程式的育兒知識(shí)服務(wù)。本發(fā)明還具有以下優(yōu)點(diǎn)：(1)本發(fā)明建立了專門針對(duì)兒科疾病相關(guān)數(shù)據(jù)的知識(shí)庫(kù)，以知識(shí)圖譜的方式展示了疾病名稱、疾病癥狀、治療方法、兒科醫(yī)生、就診途徑等信息，以及各信息之間的關(guān)聯(lián)關(guān)系。疾病預(yù)測(cè)模塊能夠根據(jù)用戶提供的癥狀名詞，智能分析用戶患兒可能屬于的疾病類型，并提供相應(yīng)的護(hù)理知識(shí)服務(wù)，同時(shí)提供相應(yīng)專家及就診信息。盡管目前有一些類似的育兒論壇和網(wǎng)站，但是并沒(méi)有對(duì)這些論壇和網(wǎng)站的信息進(jìn)行知識(shí)分析，無(wú)法為用戶提供完整的育兒知識(shí)圖譜。本發(fā)明的智能育兒知識(shí)服務(wù)系統(tǒng)能夠提供給用戶一個(gè)完整的兒科疾病知識(shí)圖譜，在一張圖譜中就能為用戶展示所查詢癥狀的所有關(guān)聯(lián)數(shù)據(jù)。無(wú)論是查詢效果還是用戶體驗(yàn)均優(yōu)于傳統(tǒng)的論壇和網(wǎng)站中的關(guān)鍵字查詢。(2)本發(fā)明中個(gè)人機(jī)器人服務(wù)是本系統(tǒng)的獨(dú)創(chuàng)功能，在育兒過(guò)程中，每位父母都有自己的經(jīng)驗(yàn)及體會(huì)，這些已有經(jīng)驗(yàn)將會(huì)為以后本人育兒和他人育兒過(guò)程中碰到的問(wèn)題提供知識(shí)服務(wù)；通過(guò)從小培養(yǎng)一個(gè)屬于自己的育兒機(jī)器人，記錄自己在育兒過(guò)程中的點(diǎn)滴經(jīng)驗(yàn)，在以后的育兒過(guò)程中，可隨時(shí)翻查已有的育兒知識(shí)，包括癥狀、治療方法、用藥等各種信息，實(shí)現(xiàn)了知識(shí)的重復(fù)利用。同時(shí)個(gè)人機(jī)器人的知識(shí)可以通過(guò)育兒社區(qū)向其他用戶開(kāi)放，其他用戶可以完整的獲取每個(gè)個(gè)人機(jī)器人共享的育兒知識(shí)，能夠幫助用戶全面了解育兒過(guò)程中碰到的疾病診療問(wèn)題，比傳統(tǒng)論壇式的問(wèn)答服務(wù)提供的零散化育兒知識(shí)更全面，更具參考價(jià)值。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明專家機(jī)器人服務(wù)流程圖。圖2是本發(fā)明個(gè)人機(jī)器人服務(wù)流程圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。一種智能育兒知識(shí)服務(wù)方法，具體按照以下步驟進(jìn)行：步驟1，信息采集：利用爬蟲(chóng)程序定時(shí)下載、解析最新的兒童疾病數(shù)據(jù)信息，并儲(chǔ)存在mysql數(shù)據(jù)庫(kù)中；信息采集是系統(tǒng)在后臺(tái)默默運(yùn)行的第一道程序，雖然用戶無(wú)法直接看到，但是其為知識(shí)構(gòu)建模塊提供素材。因此，作為整個(gè)系統(tǒng)的基礎(chǔ)，其重要性不言而喻。信息采集的流程是：首先選擇幾個(gè)比較權(quán)威的網(wǎng)站，然后定時(shí)的爬取其數(shù)據(jù)，然后解析，去除無(wú)用標(biāo)簽、廣告，最后持久化到本地mysql數(shù)據(jù)庫(kù)中。定時(shí)爬?。簽楸ＷC系統(tǒng)的數(shù)據(jù)能夠在一定時(shí)間段內(nèi)更新，從而獲得當(dāng)前新發(fā)的一些流行性疾病信息，必須讓系統(tǒng)定時(shí)的采集數(shù)據(jù)。而采集的頻率又不能太高，因?yàn)椴杉俣冗^(guò)快，會(huì)造成服務(wù)器負(fù)載過(guò)大，影響其他功能的流暢性。這里我們實(shí)現(xiàn)tomcat服務(wù)器的上下文監(jiān)聽(tīng)器類來(lái)作為守護(hù)進(jìn)程，并在其中調(diào)用java6.0以后新添加的concurrent包所提供的定時(shí)器，然后在定時(shí)器中調(diào)用自己寫好的定制化爬蟲(chóng)程序。最終，只需要在web.xml文件中配置好監(jiān)聽(tīng)器，就能夠在啟動(dòng)服務(wù)器后，一邊處理前端來(lái)的業(yè)務(wù)邏輯請(qǐng)求，一邊定時(shí)的爬取我們所指定網(wǎng)站的數(shù)據(jù)，并做相應(yīng)的解析工作?？梢栽O(shè)置爬取時(shí)間在每天晚上的24點(diǎn)到3點(diǎn)，此時(shí)一般訪問(wèn)服務(wù)器的人比較少，不會(huì)給服務(wù)器造成很大的壓力，有利于系統(tǒng)的平穩(wěn)運(yùn)行。定制化爬蟲(chóng)：為了滿足自身的需要，我們自己設(shè)計(jì)爬蟲(chóng)程序。要做定制化爬蟲(chóng)，爬取特定網(wǎng)站的特定數(shù)據(jù)，我們必須對(duì)這些網(wǎng)站的結(jié)構(gòu)進(jìn)行研究，然后總結(jié)一套通用的方案。要寫一個(gè)定制化爬蟲(chóng)程序，獲取特定內(nèi)容，我們先模擬人在瀏覽此網(wǎng)站時(shí)所執(zhí)行的操作。例如打開(kāi)某一個(gè)醫(yī)療信息網(wǎng)站后，因?yàn)槲覀冏龅氖顷P(guān)于兒童的系統(tǒng)，所以先點(diǎn)擊“兒科”，然后點(diǎn)擊“兒科”下的一個(gè)科室“小兒感染科”，右側(cè)會(huì)列出所有“小兒疾病科”的所有疾病。最后要做的就是，點(diǎn)擊“疾病詳細(xì)資料”，瀏覽疾病詳情。分析整個(gè)訪問(wèn)過(guò)程，我們的爬蟲(chóng)程序大致可以分為兩個(gè)步驟。第一步采集疾病詳情頁(yè)面的url，放入“疾病詳情url隊(duì)列”；第二步多線程遍歷“疾病詳情url隊(duì)列”采集疾病詳情數(shù)據(jù)。要拿到疾病詳情的url，我們必須遍歷“兒科”下的所有小科室，然后獲得每一個(gè)小科室下疾病的總數(shù)量，根據(jù)總數(shù)量算出當(dāng)前小科室下的疾病分為幾頁(yè)，由頁(yè)碼構(gòu)建出疾病列表頁(yè)的url，并放入“疾病列表url列表”中。最終所有科室下每一頁(yè)的內(nèi)容結(jié)構(gòu)都是一樣的，只需遍歷“疾病列表url列表”，一個(gè)個(gè)解析，獲得疾病詳情url，并放入“疾病詳情url隊(duì)列”中。采用多線程去“疾病詳情url隊(duì)列”中取出url，下載，并解析即可。應(yīng)該注意的是，這里的url可能很多，必須進(jìn)行標(biāo)注，哪些爬取成功，哪些尚未爬取，哪些爬取失敗。對(duì)于爬取失敗的，可能是網(wǎng)絡(luò)原因，需要進(jìn)行再次爬取。對(duì)于新添加url，還應(yīng)進(jìn)行判斷，此url是否已經(jīng)在隊(duì)列中。當(dāng)隊(duì)列里url足夠多時(shí)，這個(gè)判斷可能會(huì)很耗時(shí)，優(yōu)化方法是：計(jì)算url的md5值，然后放于一個(gè)hash表中，每次用這個(gè)hash表進(jìn)行判斷，將會(huì)省時(shí)許多。整個(gè)爬取過(guò)程中，包括兩個(gè)操作：下載，解析。下載html文本我們會(huì)用到apache的開(kāi)源項(xiàng)目httpclient包發(fā)送請(qǐng)求；而解析文本，則會(huì)用到正則表達(dá)式和jsoup。jsoup用來(lái)獲取html節(jié)點(diǎn)中需要的內(nèi)容，正則表達(dá)式用來(lái)匹配那些沒(méi)有節(jié)點(diǎn)限制的內(nèi)容，例如匹配疾病總數(shù)等。當(dāng)數(shù)據(jù)采集下來(lái)以后，就要持久化到本地?cái)?shù)據(jù)庫(kù)，以供知識(shí)構(gòu)建模塊使用。本系統(tǒng)采用mysql關(guān)系型數(shù)據(jù)庫(kù)，持久化過(guò)程使用javaee標(biāo)準(zhǔn)的jpa框架，這樣可以免去直接操作sql語(yǔ)句的繁瑣，從而以面向?qū)ο蟮姆绞皆L問(wèn)數(shù)據(jù)，有利于系統(tǒng)的擴(kuò)展和維護(hù)。步驟2，專家機(jī)器人知識(shí)庫(kù)構(gòu)建：以知識(shí)圖譜的形式直觀的為用戶提供兒科疾病相關(guān)的各類知識(shí)服務(wù)；專家機(jī)器人模塊主要是模擬病人看病的過(guò)程，通過(guò)不斷與用戶進(jìn)行交流，逐漸衍生出了疾病咨詢、疾病預(yù)測(cè)、醫(yī)生推薦這三個(gè)子模塊。這三個(gè)子模塊圍繞著現(xiàn)實(shí)生活中問(wèn)診的流程展開(kāi)，因此也會(huì)有一定的次序。而其知識(shí)庫(kù)的構(gòu)建，也將因?yàn)楦髯跃唧w情況的不同，而有所不同。(1)疾病咨詢：疾病咨詢主要是盡量模擬醫(yī)生的口吻與病人進(jìn)行有效的交流。交流的目的是獲取疾病癥狀詞，從而為疾病預(yù)測(cè)模塊提供原料。而咨詢的方式，又會(huì)因?yàn)橛脩羟闆r的不同而分為兩種：其一是用戶知道疾病名稱，這樣直接將疾病名稱輸出到疫病預(yù)測(cè)模塊即可；第二種是用戶不知道疾病名稱，那么只能通過(guò)與用戶不斷的交流，來(lái)獲取癥狀詞，將癥狀詞列表傳遞給疾病預(yù)測(cè)模塊。因?yàn)榈谝环N情況很簡(jiǎn)單，根據(jù)疾病咨詢中獲得的疾病名稱在mysql數(shù)據(jù)庫(kù)中檢索，以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；下面詳細(xì)闡述第二種情況。首先應(yīng)該明確，與用戶交流的目的是獲取癥狀詞。而用戶輸出的是自然語(yǔ)言，如何從用戶輸入的口語(yǔ)中獲取到比較專業(yè)的癥狀詞：我們首先構(gòu)建了一張疾病癥狀詞表。癥狀詞表來(lái)源于數(shù)據(jù)采集模塊爬取到的疾病數(shù)據(jù)。其疾病數(shù)據(jù)中的疾病癥狀和臨床表現(xiàn)中的詞語(yǔ)，可以作為癥狀詞，因此對(duì)這些詞語(yǔ)進(jìn)行了進(jìn)一步處理，并放入了癥狀詞表中。另外由于用戶輸入的口語(yǔ)癥狀詞可能不在疾病癥狀詞表中，也或許有些癥狀詞有多種說(shuō)法，但是他們都表示同一個(gè)意思。例如：“發(fā)燒”的口語(yǔ)表示為“發(fā)燙”，其他說(shuō)法甚至還有“發(fā)熱”等。當(dāng)用戶輸入其中一種時(shí)，即表示用戶有此種癥狀。因此，還需要為癥狀詞表補(bǔ)充同義詞。為了數(shù)據(jù)的準(zhǔn)確性，我們寫自動(dòng)化程序，首先將同義詞表中的同義詞自動(dòng)添加到各個(gè)癥狀詞后面。自動(dòng)化程序的思路是，模擬人查同義詞表的過(guò)程，以每一個(gè)癥狀詞為原本詞去查同義詞表，查到同義詞即補(bǔ)充到癥狀詞表后面?？紤]到同義詞可能不夠齊全和一些口語(yǔ)癥狀詞可能不在其列，我們需要人為的為這些癥狀詞補(bǔ)充了同義詞。最終經(jīng)過(guò)程序和人的雙重補(bǔ)充，達(dá)到的癥狀詞有2455條，其中每個(gè)癥狀詞后面的同義詞可能有4到5個(gè)，當(dāng)然不排除有的癥狀詞沒(méi)有同義詞的可能。最后要對(duì)用戶輸入的自然語(yǔ)句進(jìn)行切分，需要一個(gè)全而新的詞庫(kù)。這里我們采用mmseg4j分詞器，采用搜狗輸入法提供的最新詞典，在加入我們自己構(gòu)建的一些口語(yǔ)癥狀描述詞作為分詞的大詞典。這樣，只要用戶的輸入語(yǔ)句中包含我們構(gòu)建好的癥狀詞或者癥狀詞的同義詞，甚至是口語(yǔ)描述，我們都能夠識(shí)別出來(lái)。例如，當(dāng)用戶輸入：“我的孩子最近老流清鼻，有時(shí)候頭還發(fā)燙，該怎么辦呢？”，我們的分詞結(jié)果是：“我的|孩子|最近|老|流清鼻|，|有時(shí)候|頭|還|發(fā)燙|，|該|怎么辦|呢|？|”。然后將分出的詞與癥狀詞表匹配，首先與癥狀詞表的主詞匹配，倘若不匹配，則再次與癥狀詞的同義詞匹配，如果匹配則表明：用戶的本次描述捕獲到了癥狀詞。例如此次用戶的輸入，我們一一將分詞結(jié)果去匹配，最后發(fā)現(xiàn)，“流清鼻”雖然與癥狀詞表的主詞“流鼻涕”不相匹配，但是與我們手動(dòng)添加的通俗說(shuō)法“流清鼻”匹配；而“發(fā)燙”也與主詞“發(fā)燒”不相匹配，但是卻匹配于程序構(gòu)建的源于同義詞表的詞語(yǔ)“發(fā)燙”。為了疾病預(yù)測(cè)的準(zhǔn)確性，我們盡量匹配足夠多的癥狀，才去結(jié)束疾病咨詢的過(guò)程?？墒怯行┘膊“Y狀確實(shí)不夠多，讓用戶一味的輸出非典型癥狀，有時(shí)候反而不利于疾病的預(yù)測(cè)。因此我們疾病咨詢遵循的機(jī)制是：“盡量但不勉強(qiáng)”。當(dāng)咨詢后用戶輸入的速度減慢，或者不再輸入新癥狀時(shí)，表明用戶癥狀的描述完全，則結(jié)束本次問(wèn)詢。(2)疾病預(yù)測(cè)：包括疾病名稱預(yù)測(cè)和癥狀詞列表預(yù)測(cè)；疾病名稱預(yù)測(cè)是根據(jù)疾病咨詢中獲得的疾病名稱在mysql數(shù)據(jù)庫(kù)中檢索，以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；癥狀詞列表預(yù)測(cè)是將疾病咨詢中獲得的癥狀詞列表與mysql數(shù)據(jù)庫(kù)中每一種疾病的癥狀進(jìn)行匹配，根據(jù)匹配程度以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；當(dāng)用戶知道疾病名稱時(shí)，疾病的預(yù)測(cè)也就是基于疾病名的一個(gè)檢索；我們采用開(kāi)源的全文搜索框架luence，分別對(duì)mysql數(shù)據(jù)庫(kù)中準(zhǔn)備好的疾病數(shù)據(jù)的“名稱”、“概述”、“詳細(xì)資料”等字段提前建立好索引；建立索引時(shí)賦予不同的權(quán)重，“名稱”的權(quán)重最大，根據(jù)用戶提供的疾病名稱與mysql數(shù)據(jù)庫(kù)中的疾病名稱的吻合程度，對(duì)每個(gè)檢索結(jié)果進(jìn)行打分，這樣當(dāng)用戶提供的疾病名稱與疾病庫(kù)中的疾病名稱吻合時(shí)，檢索后輸出的分值就大，將得分高的疾病預(yù)測(cè)結(jié)果反饋給用戶。每個(gè)檢索結(jié)果都帶有一個(gè)分值，系統(tǒng)并不能保證用戶輸入的疾病名稱完全準(zhǔn)確，這樣基于一個(gè)分值的輸出就更加具有客觀性。當(dāng)用戶輸入的疾病名稱不在我們系統(tǒng)時(shí)，計(jì)算結(jié)果的分值會(huì)小的接近于0，用戶就可以不必以系統(tǒng)的預(yù)測(cè)為參考，也不會(huì)延誤用戶尋找其他途徑的咨詢方式。癥狀詞列表預(yù)測(cè)的主要方法是，將“疾病咨詢”模塊獲得的癥狀詞列表與mysql數(shù)據(jù)庫(kù)中每一種疾病的癥狀進(jìn)行匹配，倘若匹配度高，則將其對(duì)應(yīng)的疾病預(yù)測(cè)給用戶。當(dāng)然，這里的匹配不能簡(jiǎn)單的用有和無(wú)的匹配方式進(jìn)行。因?yàn)?，有的疾病癥狀多，有的疾病癥狀少，有的疾病癥狀突出，往往一種癥狀就能左右這種疾病。而流行感冒這種疾病，則癥狀相對(duì)而言就比較多了。所以我們應(yīng)該采取一種算法，可以綜合考慮以上綜合因素。我們采取綜合了tf-idf的余弦相似度匹配算法，來(lái)進(jìn)行疾病與癥狀的匹配。首先要對(duì)mysql數(shù)據(jù)庫(kù)中所有的疾病癥狀排序，而后根據(jù)疾病癥狀的序列，為mysql數(shù)據(jù)庫(kù)中每一種疾病構(gòu)建一條向量p，同時(shí)根據(jù)疾病咨詢中獲得的癥狀詞列表構(gòu)建一條假想的疾病向量pˊ。構(gòu)建疾病向量的方法：倘若某疾病相應(yīng)的位置確實(shí)出現(xiàn)某種癥狀，這個(gè)位置的向量因子就是此癥狀相對(duì)于此疾病的tf-idf值，倘若沒(méi)有出現(xiàn)某種癥狀，這個(gè)位置的向量因子取0值；tf-idf值的計(jì)算方式如下：tf-idf(wij)＝tf(wij)×idf(wi)tf(termfrequency)值，表示一個(gè)癥狀詞在當(dāng)前疾病數(shù)據(jù)中出現(xiàn)的頻率，頻率越大表明此癥狀與此疾病越相關(guān)。疾病數(shù)據(jù)包括疾病描述、臨床表現(xiàn)、癥狀等我們所采集到的數(shù)據(jù)；其計(jì)算公式為：其中，n(wij)表示第i個(gè)癥狀詞在第j種疾病數(shù)據(jù)中出現(xiàn)的次數(shù)，d(j)表示第j種疾病數(shù)據(jù)分詞后的總詞數(shù)；例如，“打噴嚏”在“流行性感冒”的數(shù)據(jù)中出現(xiàn)了4次，而“流行性感冒”的數(shù)據(jù)總詞數(shù)有500個(gè)，那么其tf(wij)值便為0.008。idf(inversedocumentfrequency)值，表示一個(gè)癥狀的稀有程度，越稀有的癥狀預(yù)測(cè)一種疾病的能力往往越強(qiáng)。其計(jì)算公式為：其中，a表示當(dāng)前的疾病總數(shù)，a(wi)表示出現(xiàn)第i個(gè)癥狀詞的疾病總數(shù)；例如“流鼻涕”出現(xiàn)在了35種疾病中，而我們的疾病總數(shù)有7000個(gè)，那么其idf值便為：log(7000/35)≈2.30。由上可知，一個(gè)癥狀對(duì)一種疾病的預(yù)測(cè)性取決于兩個(gè)因素：tf值，即當(dāng)前癥狀在此疾病中出現(xiàn)的頻率，多則強(qiáng)；idf值，即此癥狀的稀有程度，越稀有的癥狀出現(xiàn)在一種疾病中時(shí)，越能夠預(yù)測(cè)此疾病。按照上述方法，兩條疾病向量構(gòu)建完成后，計(jì)算兩條疾病向量的余弦值，計(jì)算公式如下：構(gòu)建疾病向量的具體操作方法：首先將所有的疾病癥狀排好序。假設(shè)當(dāng)前疾病庫(kù)中的疾病癥狀有10個(gè)：表1癥狀詞向量序列12345678910發(fā)燒黃疸潰瘍流鼻涕嘔吐鼻出血水腫血尿打噴嚏貧血假設(shè)流行感冒的疾病癥狀有“發(fā)燒”、“流鼻涕”、“嘔吐”、“打噴嚏”，而這些癥狀相對(duì)于此疾病的tf-idf值分別為:0.0022，0.0184，0.0053，0.0242；那么最終構(gòu)建的流行性感冒的向量為：p(0.0022，0，0，0.0184，0.0053，0，0，0，0.0242，0)。構(gòu)建好每一種疾病的向量后，就可以進(jìn)行疾病預(yù)測(cè)了。當(dāng)疾病咨詢模塊傳來(lái)癥狀列表以后，我們會(huì)為當(dāng)前用戶構(gòu)建一條假想疾病的向量。構(gòu)建方法與疾病向量的方法相同。假設(shè)在疾病咨詢模塊所捕獲到的用戶癥狀為：“發(fā)燒”、“流鼻涕”、“打噴嚏”，那么為預(yù)期疾病構(gòu)建的向量為：pˊ(0.0022，0，0，0.0184，0，0，0，0，0.0242，0)。等到兩條向量就緒，就可以進(jìn)行計(jì)算兩條向量之間的余弦值了。計(jì)算公式如下：其中分子為兩條向量的內(nèi)積，分母為兩條向量模的乘積；我們還以上面的例子進(jìn)行計(jì)算，則計(jì)算結(jié)果為cos(ppˊ)≈0.9852，可以看到余弦值接近于1，說(shuō)明兩條向量非常相似，由此證明用戶患有流行感冒的概率是比較大的，我們可以將此疾病信息預(yù)測(cè)給用戶。采取tf-idf值可以保證某種疾病的關(guān)鍵癥狀能夠獲得比較大的權(quán)重，從而在進(jìn)行余弦相似度計(jì)算時(shí)，可以算出比較大的結(jié)果。這樣當(dāng)用戶出現(xiàn)這些關(guān)鍵癥狀時(shí)，我們系統(tǒng)的預(yù)測(cè)就能夠盡可能的靠攏那些擁有關(guān)鍵癥狀詞的疾病。當(dāng)每條疾病向量p與假想疾病向量pˊ的余弦值計(jì)算完成后，余弦值按照從大到小排序，選擇前十個(gè)余弦值對(duì)應(yīng)的疾病信息，返還給前端做可視化展示，將該疾病預(yù)測(cè)結(jié)果反饋給用戶。余弦值越大越接近于1，就說(shuō)明這個(gè)假想向量與相應(yīng)疾病向量越相似，用戶的患兒就越有可能患有此種疾病。當(dāng)然，之所以不將余弦值最大的一個(gè)結(jié)果返回給用戶，是因?yàn)榇讼到y(tǒng)畢竟不是真人醫(yī)生，并不能確診，因此返回前十個(gè)供用戶參考。不過(guò)這也印證了此模塊的名字“疾病預(yù)測(cè)”，預(yù)測(cè)的結(jié)果當(dāng)然不只一個(gè)了。倘若用戶在疾病咨詢模塊給出的癥狀詞過(guò)少，在疾病預(yù)測(cè)模塊不足以夠構(gòu)建向量時(shí)，系統(tǒng)提供另一種預(yù)測(cè)疾病方法。當(dāng)用戶給出一個(gè)癥狀詞時(shí)，在mysql數(shù)據(jù)庫(kù)中查找，遍歷每一個(gè)疾病的癥狀列表，假如搜索到某一個(gè)疾病的癥狀列表中包含當(dāng)前癥狀詞，而當(dāng)前癥狀詞的tf-idf值與搜索到的疾病癥狀列表中所有癥狀詞的tf-idf總和結(jié)果比率接近于1，說(shuō)明用戶患有此種疾病的可能性越大；然后取出此疾病癥狀列表中第二大tf-idf值的癥狀詞去詢問(wèn)用戶是否滿足，倘若滿足，則繼續(xù)詢問(wèn)第三大tf-idf值的癥狀，依次類推，當(dāng)已經(jīng)確定的癥狀詞數(shù)與此疾病癥狀詞總數(shù)的比例達(dá)到65％時(shí)，將該疾病預(yù)測(cè)結(jié)果反饋給用戶；如果已經(jīng)確定的癥狀詞數(shù)與此疾病癥狀詞總數(shù)的比例不足65％時(shí)，再按照上述方法依次對(duì)其它包含當(dāng)前癥狀詞的疾病癥狀列表進(jìn)行預(yù)測(cè)。(3)醫(yī)生推薦：醫(yī)生推薦模塊主要功能是基于用戶先前的疾病咨詢記錄和疾病預(yù)測(cè)結(jié)果的點(diǎn)擊記錄，為用戶推薦與用戶所患疾病相關(guān)的醫(yī)生信息；醫(yī)生信息包括醫(yī)生的姓名、科室、所屬醫(yī)院、簡(jiǎn)介、主治、擅長(zhǎng)、聯(lián)系方式等。為了能夠高速有效的給用戶推薦到合適的醫(yī)生，系統(tǒng)依然使用luence框架為醫(yī)生的信息建立索引。且不同的信息賦予不同的權(quán)重，主治和擅長(zhǎng)的權(quán)重均大于其他信息，簡(jiǎn)介的權(quán)重次之；如主治和擅長(zhǎng)的權(quán)重都為3，簡(jiǎn)介的權(quán)重為1。這樣當(dāng)用戶的檢索信息中包含的某種疾病癥狀或者疾病名稱在醫(yī)生的主治和擅長(zhǎng)中出現(xiàn)時(shí)，當(dāng)前醫(yī)生所獲得的檢索排名分?jǐn)?shù)就高，說(shuō)明此醫(yī)生越是擅長(zhǎng)此種疾病，同時(shí)此醫(yī)生被推薦的可能性就越大。選取排名前十的醫(yī)生推薦給用戶。讓用戶自己去選擇點(diǎn)擊查看醫(yī)生的詳細(xì)信息，并確定是否選擇此醫(yī)生去實(shí)地就醫(yī)。在整個(gè)過(guò)程結(jié)束之后，系統(tǒng)還會(huì)訊問(wèn)用戶對(duì)于本次問(wèn)診是否滿意，這將作為系統(tǒng)的一種反饋，將本次問(wèn)診的記錄添加到個(gè)人機(jī)器人模塊。當(dāng)在個(gè)人機(jī)器人模塊中用戶選擇公開(kāi)自己機(jī)器人時(shí)，將會(huì)有可能獲得系統(tǒng)機(jī)器人的問(wèn)題解答，而問(wèn)題解答的信息來(lái)源便是本次用戶點(diǎn)贊的問(wèn)診記錄。步驟3，個(gè)人機(jī)器人知識(shí)庫(kù)構(gòu)建：個(gè)人機(jī)器人是用戶自行創(chuàng)建的在系統(tǒng)中的虛擬代理。用戶可以將自己在育兒的過(guò)程中，所積累的經(jīng)驗(yàn)和知識(shí)通過(guò)培養(yǎng)的方式不斷的向個(gè)人機(jī)器人輸入自己的知識(shí)，這樣就實(shí)現(xiàn)了機(jī)器人的成長(zhǎng)；個(gè)人機(jī)器人以一個(gè)問(wèn)題對(duì)應(yīng)一個(gè)答案的形式存儲(chǔ)在mysql數(shù)據(jù)庫(kù)中，并以知識(shí)社區(qū)的形式為不同用戶提供過(guò)程式的育兒知識(shí)服務(wù)；個(gè)人機(jī)器人知識(shí)庫(kù)的構(gòu)建過(guò)程，就是用戶不斷的輸入自己的知識(shí)讓機(jī)器人記住的過(guò)程。首先，每一個(gè)用戶登錄系統(tǒng)后，都可以創(chuàng)建一個(gè)自己的機(jī)器人。機(jī)器人要有昵稱、年齡、外表、稱呼語(yǔ)等數(shù)據(jù)，用戶將在系統(tǒng)的引導(dǎo)下一步步完善這些數(shù)據(jù)。而后，用戶每次進(jìn)入個(gè)人機(jī)器人模塊時(shí)，已經(jīng)創(chuàng)建好的機(jī)器人就會(huì)給用戶打招呼，并開(kāi)始服務(wù)。系統(tǒng)服務(wù)的主要模式是問(wèn)答，問(wèn)答的難點(diǎn)在于如何實(shí)現(xiàn)知識(shí)的增長(zhǎng)和基于用戶的問(wèn)題尋找答案。知識(shí)的增長(zhǎng)主要來(lái)源于用戶的培養(yǎng)。當(dāng)用戶訊問(wèn)自己的機(jī)器人一個(gè)問(wèn)題時(shí)，倘若系統(tǒng)以前從用戶那里獲取過(guò)這個(gè)問(wèn)題的答案，系統(tǒng)便會(huì)直接給出答案。倘若系統(tǒng)的知識(shí)庫(kù)檢索不到答案，機(jī)器人則會(huì)要求學(xué)習(xí)這個(gè)知識(shí)，于是用戶將會(huì)在系統(tǒng)的引導(dǎo)下教會(huì)機(jī)器人這個(gè)知識(shí)點(diǎn)。相應(yīng)的這個(gè)知識(shí)點(diǎn)也會(huì)存儲(chǔ)在系統(tǒng)的知識(shí)庫(kù)中，作為下一次對(duì)用戶提問(wèn)進(jìn)行答案檢索的依據(jù)。系統(tǒng)中用戶的問(wèn)題和答案，采取一對(duì)一的存儲(chǔ)方式，一個(gè)問(wèn)題對(duì)應(yīng)一個(gè)答案存儲(chǔ)在mysql數(shù)據(jù)庫(kù)的表中。答案的尋找依舊依靠于luence全文檢索引擎。系統(tǒng)首先對(duì)所有的用戶問(wèn)題和答案數(shù)據(jù)分域建立索引，當(dāng)用戶問(wèn)題提出時(shí)，首先對(duì)用戶問(wèn)題進(jìn)行分詞處理，然后去掉停用詞和虛詞，以主要實(shí)詞和用戶名建立一個(gè)嵌套查詢?nèi)ニ饕胁檎摇Ｖ越星短撞樵?，是因?yàn)閘uence中有一套查詢機(jī)制，他可以組合“與”、“或”、”非”的嵌套，使得查詢更加靈活。這里我們嵌套的查詢是：(用戶id)and(實(shí)詞1or實(shí)詞2or實(shí)詞n)，這樣就能夠查找指定用戶知識(shí)庫(kù)中的特定問(wèn)題。查找結(jié)果也是基于分?jǐn)?shù)的返回，我們選擇分?jǐn)?shù)最高問(wèn)題的答案作為結(jié)果用來(lái)給用戶回答。用戶可能會(huì)對(duì)問(wèn)題的答案不甚滿意，這說(shuō)明當(dāng)前問(wèn)題與用戶的問(wèn)題有差異，于是系統(tǒng)機(jī)器人將提醒用戶重新記住此新問(wèn)題。不慎滿意的另一種可能是，用戶提問(wèn)的方式有所改變，雖然是同一個(gè)問(wèn)題，可能因?yàn)闀r(shí)間太過(guò)久遠(yuǎn)而用戶用新的語(yǔ)句提出了此問(wèn)題，由此導(dǎo)致系統(tǒng)不能夠識(shí)別這個(gè)問(wèn)題。對(duì)于這種狀況，系統(tǒng)的優(yōu)化方法是在實(shí)現(xiàn)luence建立索引時(shí)，添加同義詞詞典，這樣可以解決由于句子中詞語(yǔ)改變而造成的識(shí)別錯(cuò)誤。例如用戶提問(wèn)“孩子發(fā)燒怎么辦？”和用戶提問(wèn)“孩子發(fā)熱怎么辦？”會(huì)檢索到一樣的答案。但是這樣只能解決由于用詞不同而產(chǎn)生的問(wèn)題檢索失敗，對(duì)于因?yàn)榫浞ǖ仍驅(qū)е碌牟蛔R(shí)別問(wèn)題，牽扯到更深層次的研究，本系統(tǒng)暫時(shí)沒(méi)有涉及。另外，在個(gè)人機(jī)器人積累到10個(gè)問(wèn)題以上時(shí)，用戶可以選擇公開(kāi)自己的機(jī)器人，這樣當(dāng)用戶再次提出一個(gè)問(wèn)題時(shí)，或許在自己的知識(shí)庫(kù)中檢索失敗，導(dǎo)致自己的機(jī)器人不能回答，而此時(shí)因?yàn)楣_(kāi)了數(shù)據(jù)，所以可以獲得其他用戶機(jī)器人的答案。與此同時(shí)，也將意味著自己的機(jī)器人也會(huì)為他人服務(wù)。通過(guò)這種模式，可以實(shí)現(xiàn)用戶之間交流和分享育兒經(jīng)驗(yàn)。步驟4，系統(tǒng)交互實(shí)現(xiàn)：我們也充分人性化的考慮了用戶的使用習(xí)慣，通過(guò)pc端和移動(dòng)端實(shí)現(xiàn)用戶交互；作為一個(gè)機(jī)器人系統(tǒng)，首先應(yīng)當(dāng)考慮的就是如何讓系統(tǒng)更加人性化。而人性化不僅體現(xiàn)在算法上面，更加體現(xiàn)在交互上。為了讓系統(tǒng)更加具有人的品質(zhì)，我們不但使用語(yǔ)音技術(shù)讓系統(tǒng)具有人的聲音，而且還使用了一些數(shù)據(jù)可視化技術(shù)，使得數(shù)據(jù)的展示更加形象生動(dòng)。這樣，系統(tǒng)不僅從視覺(jué)還是從聽(tīng)覺(jué)上，都會(huì)帶給用戶耳目一新的體驗(yàn)。在安卓手機(jī)端，語(yǔ)音合成技術(shù)和語(yǔ)音識(shí)別技術(shù)都比較成熟，系統(tǒng)可以完全實(shí)現(xiàn)服務(wù)器數(shù)據(jù)的讀和聽(tīng)，因此用戶和系統(tǒng)的交互是純語(yǔ)音交互。當(dāng)系統(tǒng)構(gòu)建好需要機(jī)器人說(shuō)出的話以后，通過(guò)http協(xié)議傳輸json數(shù)據(jù)到手機(jī)端，手機(jī)直接解析后調(diào)用語(yǔ)音接口合成音頻文件，讓手機(jī)朗讀出來(lái)即實(shí)現(xiàn)了機(jī)器人的“說(shuō)”。而用戶回答機(jī)器人問(wèn)題時(shí)，也只是說(shuō)出來(lái)，安卓端將調(diào)用語(yǔ)音系統(tǒng)api將用戶語(yǔ)音轉(zhuǎn)化為文字，并構(gòu)建json字符串傳給系統(tǒng)服務(wù)器，從而實(shí)現(xiàn)了機(jī)器人的“聽(tīng)”。瀏覽器端的語(yǔ)音技術(shù)相對(duì)較弱，不過(guò)也可以實(shí)現(xiàn)語(yǔ)音的合成，這機(jī)器人只會(huì)“說(shuō)”，而識(shí)別就需要用戶手動(dòng)輸入文字了。不過(guò)，pc鍵盤的文字輸入也是非常方便的，只要用戶擁有一般人的打字速度，交互還是非常流暢的。當(dāng)然，在聽(tīng)與說(shuō)的同時(shí)，視覺(jué)上還需要讓用戶感受到機(jī)器人的動(dòng)作。安卓端將使用幀動(dòng)畫的形式，機(jī)器人在說(shuō)與聽(tīng)的同時(shí)，播放機(jī)器人交互動(dòng)作動(dòng)畫，讓用戶體驗(yàn)到是在與機(jī)器進(jìn)行交流，而不是手機(jī)。瀏覽器端將使用js實(shí)現(xiàn)圖片的輪播，從而也會(huì)擁有動(dòng)畫的效果。從服務(wù)器端傳來(lái)的還有一些展示數(shù)據(jù)，例如疾病預(yù)測(cè)的結(jié)果、疾病詳情、醫(yī)生推薦結(jié)果、醫(yī)生詳情等，這些數(shù)據(jù)安卓端將在webviewr控件中調(diào)用js，采用echars展現(xiàn)。瀏覽器端嵌入echars早已經(jīng)非常成熟，所以也沒(méi)有什么技術(shù)難度。echars動(dòng)態(tài)圖標(biāo)展示，將使得數(shù)據(jù)形象生動(dòng)，而不再只像文字一般單調(diào)。對(duì)于系統(tǒng)中機(jī)器人表達(dá)的一些提示性語(yǔ)句，為了不讓用戶感到呆板，我們?nèi)の缎缘脑O(shè)置了許多種表達(dá)。在系統(tǒng)運(yùn)行一個(gè)流程節(jié)點(diǎn)時(shí)，系統(tǒng)會(huì)遍歷當(dāng)前提示語(yǔ)的所有說(shuō)法，隨機(jī)選取一個(gè)給用戶提示。這樣，在用戶連續(xù)多次使用系統(tǒng)后，每次都基本會(huì)遇到不同的表達(dá)，將會(huì)增加體驗(yàn)的新奇性。本發(fā)明采用上述智能育兒知識(shí)服務(wù)方法的智能育兒知識(shí)服務(wù)系統(tǒng)，包括信息采集模塊、專家機(jī)器人模塊、個(gè)人機(jī)器人模塊和系統(tǒng)交互模塊；信息采集模塊與mysql數(shù)據(jù)庫(kù)連接，用于通過(guò)爬蟲(chóng)程序定時(shí)獲取最新的兒童疾病數(shù)據(jù)信息；專家機(jī)器人模塊，用于以知識(shí)圖譜的形式直觀的為用戶提供兒科疾病相關(guān)的各類知識(shí)服務(wù)；專家機(jī)器人模塊包括疾病咨詢模塊、疾病預(yù)測(cè)模塊、醫(yī)生推薦模塊；疾病咨詢模塊與疾病預(yù)測(cè)模塊連接，用于獲取用戶提供的疾病名稱或癥狀詞，并將疾病名稱、癥狀詞列表傳遞至疾病預(yù)測(cè)模塊；疾病咨詢模塊包括mmseg4j分詞器和疾病癥狀詞表，mmseg4j分詞器用于切分用戶輸入的口語(yǔ)癥狀詞；疾病癥狀詞表包括mysql數(shù)據(jù)庫(kù)中的疾病癥狀和臨床表現(xiàn)中的詞語(yǔ)、及其同義詞，疾病癥狀詞表用于識(shí)別經(jīng)過(guò)mmseg4j分詞器切分的癥狀詞。疾病預(yù)測(cè)模塊，用于將疾病名稱在mysql數(shù)據(jù)庫(kù)中檢索，以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；以及將癥狀詞列表與mysql數(shù)據(jù)庫(kù)中每一種疾病的癥狀進(jìn)行匹配，根據(jù)匹配程度以知識(shí)圖譜的形式為用戶展示疾病預(yù)測(cè)結(jié)果；醫(yī)生推薦模塊分別與疾病咨詢模塊、疾病預(yù)測(cè)模塊連接，基于疾病咨詢模塊的咨詢記錄和疾病預(yù)測(cè)結(jié)果的點(diǎn)擊記錄，為用戶推薦與用戶所患疾病相關(guān)的醫(yī)生；個(gè)人機(jī)器人模塊，用于將用戶輸入的知識(shí)以一個(gè)問(wèn)題對(duì)應(yīng)一個(gè)答案的形式存儲(chǔ)在mysql數(shù)據(jù)庫(kù)中，并以知識(shí)社區(qū)的形式為不同用戶提供過(guò)程式的育兒知識(shí)服務(wù)；系統(tǒng)交互模塊，包括pc端和移動(dòng)端，采用語(yǔ)音技術(shù)讓系統(tǒng)具有人的聲音，采用數(shù)據(jù)可視化技術(shù)使得數(shù)據(jù)的展示更加形象生動(dòng)，包括多種說(shuō)法的提示語(yǔ)。本系統(tǒng)經(jīng)過(guò)從設(shè)計(jì)到實(shí)現(xiàn)的一系列研究，最終可以平穩(wěn)運(yùn)行。其定時(shí)定向的數(shù)據(jù)采集，全面嚴(yán)謹(jǐn)?shù)闹R(shí)庫(kù)構(gòu)建，友好動(dòng)態(tài)的語(yǔ)音交互將會(huì)緩解無(wú)數(shù)育兒父母育兒過(guò)程中的煩惱，甚至于帶給他們育兒的樂(lè)趣，從而填補(bǔ)了兒童醫(yī)療知識(shí)智能服務(wù)在移動(dòng)互聯(lián)網(wǎng)時(shí)代的空白。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍內(nèi)。當(dāng)前第1頁(yè)12