本發(fā)明屬于數(shù)據(jù)分析與處理技術領域，尤其涉及一種癥狀信息分析方法及裝置。

背景技術：

隨著現(xiàn)代科技的不斷發(fā)展，許多醫(yī)院、藥店開始使用智能問診系統(tǒng)用于輔助服務。然而，現(xiàn)有的智能問診系統(tǒng)大多只能通過患者輸入的標準癥狀推算標準疾病，以及推薦對應的藥品，然而，大部分患者，在未看過醫(yī)生之前，無法知道自己病情的標準癥狀，只能通過自己身體的感受，知道主訴癥狀，即患者自己感受最主要的痛苦，就診最主要的原因或最明顯的癥狀或體征。由于大部分患者不能準確地知道自己的標準癥狀，因此無法使用智能問診系統(tǒng)，容易耽誤病情。

技術實現(xiàn)要素：

本發(fā)明實施例所要解決的技術問題在于提供一種癥狀信息分析方法及裝置，旨在解決現(xiàn)有技術中患者不能準確地知道自己的標準癥狀，無法在醫(yī)院、藥店使用智能問診系統(tǒng)的問題。

本發(fā)明實施例第一方面提供了一種癥狀信息分析方法，所述方法包括：

獲取用戶輸入的主訴癥狀信息；

根據(jù)所述主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算所述主訴癥狀信息與多個所述預設標準癥狀信息的第一相似度；

根據(jù)所述主訴癥狀信息和多個所述預設標準癥狀信息的關聯(lián)系數(shù)，分別計算所述主訴癥狀信息與多個所述預設標準癥狀信息的第二相似度；

將多個所述預設標準癥狀信息中所述第一相似度與所述第二相似度的平均值最高的癥狀信息，作為所述主訴癥狀信息對應的目標癥狀信息。

本發(fā)明實施例第二方面提供了一種癥狀信息分析裝置，所述裝置包括：

主訴癥狀獲取模塊，用于獲取用戶輸入的主訴癥狀信息；

第一相似度獲取模塊，用于根據(jù)所述主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算所述主訴癥狀信息與多個所述預設標準癥狀信息的第一相似度；

第二相似度獲取模塊，用于根據(jù)所述主訴癥狀信息和多個所述預設標準癥狀信息的關聯(lián)系數(shù)，分別計算所述主訴癥狀信息與多個所述預設標準癥狀信息的第二相似度；

目標癥狀獲取模塊，用于將多個所述預設標準癥狀信息中所述第一相似度與所述第二相似度的平均值最高的癥狀信息，作為所述主訴癥狀信息對應的目標癥狀信息。

從上述本發(fā)明實施例可知，本發(fā)明通過獲取用戶輸入的主訴癥狀信息，根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度，根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度，將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息，相較于現(xiàn)有技術，本方案能夠?qū)⒂脩糨斎氲闹髟V癥狀信息轉(zhuǎn)化為目標癥狀信息，使患者即使無法確定自己的標準癥狀，也能使用智能問診系統(tǒng)，提高了產(chǎn)品粘性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

附圖1是本發(fā)明第一實施例提供的癥狀信息分析方法的實現(xiàn)流程示意圖；

附圖2是本發(fā)明第二實施例提供的癥狀信息分析方法的實現(xiàn)流程示意圖；

附圖3是本發(fā)明第三實施例提供的癥狀信息分析裝置的結(jié)構(gòu)示意圖；

附圖4是本發(fā)明第四實施例提供的癥狀信息分析裝置的結(jié)構(gòu)示意圖；

附圖5是本發(fā)明第二實施例提供的主訴癥狀信息中各癥狀計算詞組與標準癥狀信息中的各標準癥狀詞組的關聯(lián)系數(shù)創(chuàng)建關聯(lián)系數(shù)數(shù)據(jù)表。

具體實施方式

為使得本發(fā)明實施例的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例?；诒景l(fā)明中的實施例，本領域技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參閱附圖1，附圖1為本發(fā)明第一實施例提供的癥狀信息分析方法的實現(xiàn)流程示意圖，該方法可以應用于終端設備中。如附圖1所示，該方法主要包括以下步驟：

s101、獲取用戶輸入的主訴癥狀信息；

主訴癥狀是醫(yī)學和心理學中用語，是指患者自述的自己感受最主要的痛苦，就診最主要的原因或最明顯的癥狀和/或體征、性質(zhì)，以及持續(xù)時間，并能夠初步反應病情輕重與緩急，對某系統(tǒng)疾患能提供診斷線索。主訴癥狀盡可能用病人自己描述的癥狀，不用診斷用語。

s102、根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度；

先獲取主訴癥狀信息及預設標準癥狀信息對應的向量，然后根據(jù)計算公式，計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度。

s103、根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度；

先獲取主訴癥狀信息與預設標準癥狀信息對應的關聯(lián)系數(shù)，然后根據(jù)計算公式，計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度。

s104、將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息。

其中，目標癥狀信息即為本方法確定的患者的癥狀信息?？梢岳斫獾?，若用戶輸入了多組主訴癥狀信息，則得到的目標癥狀信息則可以是多個。

本發(fā)明實施例提供的癥狀信息分析方法，通過獲取用戶輸入的主訴癥狀信息，根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度，根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度，將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息，相較于現(xiàn)有技術，本方案能夠?qū)⒂脩糨斎氲闹髟V癥狀信息轉(zhuǎn)化為目標癥狀信息，使患者即使無法確定自己的標準癥狀，也能使用智能問診系統(tǒng)，提高了產(chǎn)品粘性。

請參閱附圖2，附圖2為本發(fā)明第二實施例提供的癥狀信息分析方法的實現(xiàn)流程示意圖，該方法可以應用于終端設備中。如附圖2所示，該方法主要包括以下步驟：

s201、獲取用戶輸入的主訴癥狀信息；

主訴癥狀是醫(yī)學和心理學中用語，是指患者自述的自己感受最主要的痛苦，就診最主要的原因或最明顯的癥狀和/或體征、性質(zhì)，以及持續(xù)時間，并能夠初步反應病情輕重與緩急，對某系統(tǒng)疾患能提供診斷線索。主訴癥狀盡可能用病人自己描述的癥狀，不用診斷用語。

s202、提取主訴癥狀信息中的癥狀計算詞組；

癥狀計算詞組為預置的，經(jīng)常出現(xiàn)于患者主訴癥狀中，可用于判斷患者癥狀的詞組，例如打噴嚏、乏力、流鼻涕等。給每個癥狀計算詞組預置對應的向量，進一步地，可以設置癥狀計算詞組數(shù)據(jù)庫，將預置的癥狀計算詞組及對應的向量存儲在該癥狀計算詞組數(shù)據(jù)庫中。當接收到用戶輸入的主訴癥狀信息后，查找該主訴癥狀信息中是否存在預置的癥狀計算詞組，若存在，則提取其中的癥狀計算詞組。

s203、獲取癥狀計算詞組對應的向量，并將獲取的所有癥狀計算詞組對應的向量相加，得到主訴癥狀信息的向量；

例如，用戶輸入的主訴癥狀為“最近受涼打噴嚏，有點乏力，流清鼻涕怎么辦”，其中的癥狀計算詞組包括“受涼、打噴嚏、乏力、流清鼻涕”，分別獲取“受涼”、“打噴嚏”、“乏力”、“流清鼻涕”對應的向量，則該主訴癥狀的向量為上述四組癥狀計算詞組向量的加和。

s204、獲取標準癥狀信息對應的向量；

s205、根據(jù)公式分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度；

其中，si為主訴癥狀信息，vecsi為主訴癥狀信息對應的向量，||vecsi||為主訴癥狀信息對應的向量的模，pj為標準癥狀信息，vecpj為標準癥狀信息對應的向量，||vecpj||為標準癥狀信息對應的向量的模。

s206、獲取各癥狀計算詞組與預設標準癥狀信息中的各標準癥狀詞組的關聯(lián)系數(shù)；

可以理解的，此處預先對癥狀計算詞組與標準癥狀詞組設置了對應的關聯(lián)系數(shù)。

s207、根據(jù)公式計算得到第一子相似度；

其中，maxsim_word(w1i,w2j)為各癥狀計算詞組與同一標準癥狀詞組的關聯(lián)系數(shù)中最大的一個關聯(lián)系數(shù)，n為標準癥狀信息中的標準癥狀詞組的個數(shù)。

s208、根據(jù)公式計算得到第二子相似度；

其中，(maxsim_word(w1j,w2i))為同一癥狀計算詞組與各標準癥狀詞組的關聯(lián)系數(shù)中最大的一個關聯(lián)系數(shù)，m為主訴癥狀信息中癥狀計算詞組的個數(shù)。

s209、取第一子相似度和第二子相似度的平均值，作為第二相似度；

進一步地，可以為各癥狀計算詞組與預設標準癥狀信息中的各標準癥狀詞組的關聯(lián)系數(shù)創(chuàng)建關聯(lián)系數(shù)數(shù)據(jù)表，并根據(jù)列表中的關聯(lián)系數(shù)進行計算。以圖5為例，用戶的主訴癥狀為“最近受涼打噴嚏，有點乏力，流清鼻涕怎么辦？”該主訴癥狀中的癥狀計算詞組為“受涼”“打噴嚏”“乏力”“流清鼻涕”；標準癥狀信息為“牙齦腫脹”，其中的標準癥狀詞組為“牙齦”和“腫脹”。根據(jù)圖5數(shù)據(jù)表中的關聯(lián)系數(shù)，第一子相似度第二子相似度則第二相似度

s210、將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息。

其中，目標癥狀信息即為本方法確定的患者的癥狀信息?？梢岳斫獾模粲脩糨斎肓硕嘟M主訴癥狀信息，則得到的目標癥狀信息則可以是多個。

本發(fā)明實施例提供的癥狀信息分析方法，通過獲取用戶輸入的主訴癥狀信息，根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度，根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度，將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息，相較于現(xiàn)有技術，本方案能夠?qū)⒂脩糨斎氲闹髟V癥狀信息轉(zhuǎn)化為目標癥狀信息，使患者即使無法確定自己的標準癥狀，也能使用智能問診系統(tǒng)，提高了產(chǎn)品粘性。

請參閱附圖3，附圖3是本發(fā)明第三實施例提供的癥狀信息分析裝置的結(jié)構(gòu)示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。附圖3示例的癥狀信息分析裝置可以是前述第一實施例提供的癥狀信息分析方法的執(zhí)行主體，其可以是終端設備或者終端設備中的一個功能模塊。附圖3示例的癥狀信息分析裝置，主要包括：主訴癥狀獲取模塊301、第一相似度獲取模塊302、第二相似度獲取模塊303及目標癥狀獲取模塊304。各功能模塊詳細說明如下：

主訴癥狀獲取模塊301，用于獲取用戶輸入的主訴癥狀信息。

第一相似度獲取模塊302，用于根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度。

第二相似度獲取模塊303，用于根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度。

目標癥狀獲取模塊304，用于將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息。

上述各功能模塊實現(xiàn)各自功能的具體過程，可參考前述第一實施例提供的癥狀信息分析方法的相關內(nèi)容，此處不再贅述。

本發(fā)明實施例提供的癥狀信息分析裝置，通過獲取用戶輸入的主訴癥狀信息，根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度，根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度，將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息，相較于現(xiàn)有技術，本方案能夠?qū)⒂脩糨斎氲闹髟V癥狀信息轉(zhuǎn)化為目標癥狀信息，使患者即使無法確定自己的標準癥狀，也能使用智能問診系統(tǒng)，提高了產(chǎn)品粘性。

請參閱附圖4，附圖4是本發(fā)明第四實施例提供的癥狀信息分析裝置的結(jié)構(gòu)示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。附圖4示例的癥狀信息分析裝置可以是前述第二實施例提供的癥狀信息分析方法的執(zhí)行主體，其可以是終端設備或者終端設備中的一個功能模塊。附圖4示例的癥狀信息分析裝置，主要包括：主訴癥狀獲取模塊401、第一相似度獲取模塊402、第二相似度獲取模塊403及目標癥狀獲取模塊404。各功能模塊詳細說明如下：

主訴癥狀獲取模塊401，用于獲取用戶輸入的主訴癥狀信息。

第一相似度獲取模塊402，具體用于提取主訴癥狀信息中的癥狀計算詞組，獲取癥狀計算詞組對應的向量，并將獲取的所有癥狀計算詞組對應的向量相加，得到主訴癥狀信息的向量，獲取標準癥狀信息對應的向量，根據(jù)公式分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度，其中，si為主訴癥狀信息，vecsi為主訴癥狀信息對應的向量，||vecsi||為主訴癥狀信息對應的向量的模，pj為標準癥狀信息，vecpj為標準癥狀信息對應的向量，||vecpj||為標準癥狀信息對應的向量的模。

第二相似度獲取模塊403，具體用于獲取各癥狀計算詞組與預設標準癥狀信息中的各標準癥狀詞組的關聯(lián)系數(shù)，根據(jù)公式計算得到第一子相似度，其中，maxsim_word(w1i,w2j)為各癥狀計算詞組與同一標準癥狀詞組的關聯(lián)系數(shù)中最大的一個關聯(lián)系數(shù)，n為標準癥狀信息中的標準癥狀詞組的個數(shù)，根據(jù)公式計算得到第二子相似度，其中，(maxsim_word(w1j,w2i))為同一癥狀計算詞組與各標準癥狀詞組的關聯(lián)系數(shù)中最大的一個關聯(lián)系數(shù)，m為主訴癥狀信息中癥狀計算詞組的個數(shù)，取第一子相似度和第二子相似度的平均值，作為第二相似度。

目標癥狀獲取模塊404，用于將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息。

上述各功能模塊實現(xiàn)各自功能的具體過程，可參考前述第二實施例提供的癥狀信息分析方法的相關內(nèi)容，此處不再贅述。

本發(fā)明實施例提供的癥狀信息分析裝置，通過獲取用戶輸入的主訴癥狀信息，根據(jù)主訴癥狀信息對應的向量與多個預設標準癥狀信息對應的向量，分別計算主訴癥狀信息與多個預設標準癥狀信息的第一相似度，根據(jù)主訴癥狀信息和多個預設標準癥狀信息的關聯(lián)系數(shù)，分別計算主訴癥狀信息與多個預設標準癥狀信息的第二相似度，將多個預設標準癥狀信息中第一相似度與第二相似度的平均值最高的癥狀信息，作為主訴癥狀信息對應的目標癥狀信息，相較于現(xiàn)有技術，本方案能夠?qū)⒂脩糨斎氲闹髟V癥狀信息轉(zhuǎn)化為目標癥狀信息，使患者即使無法確定自己的標準癥狀，也能使用智能問診系統(tǒng)，提高了產(chǎn)品粘性。

需要說明的是，對于前述的各方法實施例，為了簡便描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某些步驟可以采用其它順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定都是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其它實施例的相關描述。

以上為對本發(fā)明所提供的癥狀信息分析方法、裝置的描述，對于本領域的技術人員，依據(jù)本發(fā)明實施例的思想，在具體實施方式及應用范圍上均會有改變之處，綜上，本說明書內(nèi)容不應理解為對本發(fā)明的限制。