基于大數(shù)據(jù)知識庫的個性化治療方案推薦系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種治療方案推薦系統(tǒng)，該系統(tǒng)包括：信息獲取模塊，用于獲取用戶的病情信息和個人信息，將用戶的病情信息作為第一病情信息，將用戶的個人信息作為第一個人信息；匹配模塊，用于將第一病情信息及第一個人信息與知識庫中的病情信息及個人信息進行匹配，確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息；推薦模塊，用于獲取與第二病情信息及第二個人信息對應(yīng)的治療方案，將獲取到的治療方案推薦給用戶。由于系統(tǒng)不再依賴于個人的主觀經(jīng)驗，而是根據(jù)病情信息和個人信息的客觀歷史數(shù)據(jù)，因此，推薦的治療方案更具有針對性和可靠性，進而輔助醫(yī)生和病人更加快速、準(zhǔn)確、合理地確定治療方案。
【專利說明】
基于大數(shù)據(jù)知識庫的個性化治療方案推薦系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及計算機技術(shù)與醫(yī)療衛(wèi)生技術(shù)領(lǐng)域，特別是涉及一種基于大數(shù)據(jù)知識庫的個性化治療方案推薦系統(tǒng)。
【背景技術(shù)】
[0002]目前，傳統(tǒng)的醫(yī)患溝通模式為患者需要到醫(yī)院找醫(yī)生，與醫(yī)生進行面對面的病情溝通，醫(yī)生根據(jù)病人的病情，通過檢查結(jié)果、自身經(jīng)驗或者專家?guī)熘幸延械臄?shù)據(jù)進行參考推理，得到針對該病人的病情治療方案推薦給病人。上述這種方式過于依賴專家或?qū)＜規(guī)斓闹饔^經(jīng)驗和理論知識，同時，一旦專家或?qū)＜規(guī)斓闹R有誤，則會產(chǎn)生錯誤的治療方案推薦結(jié)果，推薦方案會有偏差，對患者病情的治療具有不良的影響，延緩了患者獲得健康的時效性。

【發(fā)明內(nèi)容】

[0003]基于此，有必要提供一種能夠根據(jù)不同病人的個性化病癥，準(zhǔn)確、有效且及時的基于大數(shù)據(jù)知識庫的個性化治療方案推薦系統(tǒng)。
[0004]—種治療方案推薦系統(tǒng)，所述系統(tǒng)包括:信息獲取模塊，用于獲取用戶的病情信息和個人信息，將所述用戶的病情信息作為第一病情信息，將所述用戶的個人信息作為第一個人信息；匹配模塊，用于將所述第一病情信息及所述第一個人信息與知識庫中的病情信息及個人信息進行匹配，確定與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息;推薦模塊，用于獲取與所述第二病情信息及第二個人信息對應(yīng)的治療方案，將獲取到的所述治療方案推薦給所述用戶。
[0005]在其中一個實施例中，所述系統(tǒng)還包括:建立模塊，用于建立知識庫，所述知識庫包括多個治療案例，所述治療案例包括病情信息、個人信息、及與所述病情信息及個人信息對應(yīng)的治療方案和治療效果的分?jǐn)?shù)值。
[0006]在其中一個實施例中，所述信息獲取模塊還用于通過穿戴式設(shè)備或遠程醫(yī)療設(shè)備自動獲取病人的病情信息；或者通過病人注冊信息或病歷信息自動獲取病人的個人信息；或者通過終端獲取用戶輸入的病情信息和個人信息。
[0007]在其中一個實施例中，所述匹配模塊包括:第一獲取單元，用于將所述第一病情信息與所述知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合;第一計算單元，用于計算所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合;第一查找單元，用于查找所述第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值；第一匹配單元，用于將所述分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0008]在其中一個實施例中，所述匹配模塊包括:第二獲取單元，用于將所述第一病情信息與所述知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合;第二計算單元，用于計算所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合;第二查找單元，用于查找所述第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值；匹配優(yōu)先度計算單元，用于根據(jù)獲取的所述第二治療案例集合中每個治療案例的病情信息匹配度、個人信息匹配度和治療效果的分?jǐn)?shù)值計算每個治療案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度;第二匹配單元，將所述第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0009]在其中一個實施例中，所述第一計算單元或第二計算單元包括:年齡計算子單元，用于計算所述第一治療案例集合中每個治療案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值;距離計算子單元，用于計算所述第一治療案例集合中每個治療案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離;個人信息匹配子單元，用于個人信息根據(jù)計算得到的用戶年齡的差值的絕對值和所述用戶所在地的距離確定所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息之間的匹配度。
[0010]在其中一個實施例中，所述系統(tǒng)還包括:反饋模塊，用于獲取用戶對所述治療方案的反饋，根據(jù)所述反饋確定與所述治療方案對應(yīng)的治療效果的分?jǐn)?shù)值;添加模塊，用于將所述第一病情信息、第一個人信息、推薦的所述治療方案及所述治療效果的分?jǐn)?shù)值作為一個治療案例添加至所述知識庫中，當(dāng)所述知識庫中治療案例的數(shù)量達到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。
[0011 ]在其中一個實施例中，所述建立模塊包括:分布存儲單元，用于將所述知識庫中的多個治療案例分別存儲到多個計算節(jié)點中，其中，每個計算節(jié)點存儲至少一個治療案例;冗余存儲單元，用于將所述知識庫中的每個治療案例復(fù)制至少一份存儲到其他計算節(jié)點中，作為所述治療案例的冗余備份;容錯單元，用于將異常計算節(jié)點上的治療案例從所述冗余備份的計算節(jié)點中復(fù)制到正常計算節(jié)點上。
[0012]在其中一個實施例中，所述匹配模塊包括:第一并行匹配單元，用于將所述第一病情信息與所述知識庫中的各個計算節(jié)點中治療案例的病情信息進行并行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合;第二并行匹配單元，用于將所述第一治療案例集合中的每個治療案例的個人信息與所述第一個人信息進行并行匹配，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合；比較單元，用于在知識庫中的各個計算節(jié)點上查找與所述第二治療案例集合中每個治療案例對應(yīng)的治療效果的分?jǐn)?shù)值，通過比較將分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0013]在其中一個實施例中，所述匹配模塊包括:第三并行匹配單元，用于將所述第一病情信息與所述知識庫中的各個計算節(jié)點中治療案例的病情信息進行并行匹配，獲取匹配度大于第三預(yù)設(shè)閾值的第三治療案例集合;第四并行匹配單元，用于將所述第一治療案例集合中的每個治療案例的個人信息與所述第一個人信息進行并行匹配，獲取匹配度大于第四預(yù)設(shè)閾值的第四治療案例集合;并行計算單元，用于在知識庫中的各個計算節(jié)點上查找所述第四治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，根據(jù)所述第四治療案例集合中每個病情信息的匹配度、個人信息的匹配度以及所述治療效果的分?jǐn)?shù)值并行計算對應(yīng)的計算節(jié)點上的各個治療案例的匹配優(yōu)先度，將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度，將所述第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0014]上述治療方案推薦系統(tǒng)，通過信息獲取模塊獲取用戶的病情信息和個人信息，將用戶的病情信息作為第一病情信息，將用戶的個人信息作為第一個人信息，然后通過匹配模塊將第一病情信息及第一個人信息與知識庫中的病情信息及個人信息進行匹配，確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息，繼而通過推薦模塊獲取與第二病情信息及第二個人信息對應(yīng)的治療方案，將獲取到的治療方案推薦給用戶。上述治療方案推薦系統(tǒng)，基于大數(shù)據(jù)的知識庫將用戶的病情信息及個人信息與知識庫中的病情信息及個人信息進行匹配，通過確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息，從而確定最能治療病人病情的治療方案，然后將找到治療方案推薦給該用戶，實現(xiàn)了獲取與第一病情信息及個人信息對應(yīng)的治療方案的及時性和便捷性，且由于系統(tǒng)不再依賴于個人的主觀經(jīng)驗，而是根據(jù)病情信息的客觀歷史數(shù)據(jù)，因此，推薦的治療方案更具有針對性和可靠性，進而輔助醫(yī)生和病人更加快速、準(zhǔn)確、合理地確定治療方案。
【附圖說明】
[0015]圖1為一個實施例中治療方案推薦系統(tǒng)的結(jié)構(gòu)示意圖；
[0016]圖2為另一個實施例中治療方案推薦系統(tǒng)的結(jié)構(gòu)示意圖；
[0017]圖3為一個實施例中匹配模塊的結(jié)構(gòu)框圖；
[0018]圖4為另一個實施例中匹配模塊的結(jié)構(gòu)框圖；
[0019]圖5為一個實施例中第一計算單元的結(jié)構(gòu)框圖；
[0020]圖6為又一個實施例中治療方案推薦系統(tǒng)的結(jié)構(gòu)示意圖；
[0021 ]圖7為一個實施例中建立模塊的結(jié)構(gòu)框圖；
[0022]圖8為又一個實施例中匹配模塊的結(jié)構(gòu)框圖；
[0023]圖9為再一個實施例中匹配模塊的結(jié)構(gòu)框圖。
【具體實施方式】
[0024]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下通過實施例，并結(jié)合附圖，對本發(fā)明基于大數(shù)據(jù)知識庫的個性化治療方案推薦系統(tǒng)的【具體實施方式】進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0025]如圖1所示，在一個實施例中，提出了一種治療方案推薦系統(tǒng)，該系統(tǒng)包括信息獲取模塊102，病情信息匹配模塊104，推薦模塊106。
[0026]信息獲取模塊102用于獲取用戶的病情信息和個人信息，將所述用戶的病情信息作為第一病情信息，將用戶的個人信息作為第一個人信息。
[0027]在本實施例中，用戶病情信息和個人信息的獲取可以通過終端來獲取，比如，可以通過終端輸入用戶的病情信息和個人信息。其中，終端可以是智能手機、平板電腦、筆記本電腦、穿戴式智能設(shè)備等可以錄入病情信息的電子設(shè)備。具體的，可在終端機上運行用戶病情管理系統(tǒng)，通過該系統(tǒng)對用戶的病情信息和用戶的個人信息進行錄入。其中，病情信息包括疾病的變化情況、疾病的起因、疾病的臨床表現(xiàn)以及相關(guān)情況等，用戶的個人信息包括但不限于用戶的年齡、性別、所在地等信息。
[0028]匹配模塊104用于將所述第一病情信息及所述第一個人信息與知識庫中的病情信息及個人信息進行匹配，確定與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0029]具體的，將第一病情信息與知識庫中的各個病情信息進行匹配，分別計算各個病情信息與第一病情信息的匹配度，獲取匹配度大于預(yù)設(shè)閾值的病情信息集合，然后將第一個人信息與病情信息集合中每個病情信息對應(yīng)的個人信息進行匹配，計算病情信息集合中每個病情信息對應(yīng)的個人信息與第一個人信息之間的匹配度，根據(jù)計算得到的知識庫中病情信息與第一病情信息之間的匹配度和個人信息與第一個人信息之間的匹配度，確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。具體的，知識庫中預(yù)存有多個治療案例，每個治療案例包括病情信息、個人信息、及與該病情信息和個人信息對應(yīng)的治療方案和治療效果的分?jǐn)?shù)值。同一個治療案例中，病情信息、個人信息、治療方案、治療效果的分?jǐn)?shù)值之間是相互對應(yīng)的。確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息的方法有多種，在一個實施例中，首先將第一病情信息與知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合，然后計算第一治療案例集合中每個治療案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合，然后獲取第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，將分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。在另一個實施例中，將第一個病情信息與知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合，然后計算第一治療案例集合中每個治療案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合，然后獲取第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，最后根據(jù)獲取的第二治療案例集合中每個治療案例的病情信息與第一病情信息的匹配度，個人信息與第一個人信息的匹配度及對應(yīng)的治療效果的分?jǐn)?shù)值計算每個治療案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度，將第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0030]推薦模塊106用于獲取與所述第二病情信息及第二個人信息對應(yīng)的治療方案，將獲取到的所述治療方案推薦給所述用戶。
[0031]具體的，知識庫中預(yù)先存儲了大量的治療案例，每個治療案例包括病情信息、個人信息及與該病情信息及個人信息對應(yīng)的治療方案、治療效果的分?jǐn)?shù)值。其中，治療效果的分?jǐn)?shù)值反映了治療效果的好壞，分?jǐn)?shù)值越高，說明治療效果越好。計算得到與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息后，獲取與該第二病情信息及第二個人信息對應(yīng)的治療方案。由于第一問信息及個人信息與第二病情信息及第二個人信息之間的匹配度最大，其相似性也最大，能夠治療第二病情信息的治療方案有很大概率可以治療用戶的病情，因此可以利用第二病情信息的治療方案來輔助醫(yī)生和病人更加快速、準(zhǔn)確、合理地確定治療方案。治療方案的信息可以通過網(wǎng)絡(luò)推送給用戶，也可以通過短信的形式發(fā)送到與用戶對應(yīng)的終端，還可以通過郵件等形式發(fā)送給用戶。用戶收到針對該用戶的病情信息即第一病情信息的治療方案后，可以根據(jù)該治療方案的治療效果對該治療方案進行評分，將用戶的評分作為與治療方案對應(yīng)的治療效果的分?jǐn)?shù)值，然后將第一病情信息、以及為第一病情信息推薦的治療方案和治療效果的分?jǐn)?shù)值一起作為一個新的治療案例添加到知識庫中，使知識庫逐漸的完善。
[0032]在本實施例中，通過信息獲取模塊獲取用戶的病情信息和個人信息，將用戶的病情信息作為第一病情信息，將用戶的個人信息作為第一個人信息，然后通過匹配模塊將第一病情信息及第一個人信息與知識庫中的病情信息及個人信息進行匹配，確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息，繼而通過推薦模塊獲取與第二病情信息及第二個人信息對應(yīng)的治療方案，將獲取到的治療方案推薦給用戶。上述治療方案推薦系統(tǒng)，基于大數(shù)據(jù)的知識庫將用戶的病情信息及個人信息與知識庫中的病情信息及個人信息進行匹配，通過確定與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息，從而確定最能治療病人病情的治療方案，然后將找到治療方案推薦給該用戶，實現(xiàn)了獲取與第一病情信息及個人信息對應(yīng)的治療方案的及時性和便捷性，且由于系統(tǒng)不再依賴于個人的主觀經(jīng)驗，而是根據(jù)病情信息的客觀歷史數(shù)據(jù)，因此，推薦的治療方案更具有針對性和可靠性，進而輔助醫(yī)生和病人更加快速、準(zhǔn)確、合理地確定治療方案。
[0033]如圖2所示，在一個實施例中，上述治療方案推薦系統(tǒng)還包括:
[0034]建立模塊101，用于建立知識庫，所述知識庫包括多個治療案例，所述治療案例包括病情信息、個人信息、及與所述病情信息及個人信息對應(yīng)的治療方案和治療效果的分?jǐn)?shù)值。
[0035]在本實施例中，預(yù)先建立知識庫，知識庫中包括多個治療案例。每個治療案例中包括病情信息、個人信息及與該病情信息及個人信息對應(yīng)的治療方案和治療效果的分?jǐn)?shù)值，治療效果的分?jǐn)?shù)值用于反映該治療方案對應(yīng)的治療效果的優(yōu)劣，分?jǐn)?shù)值越大，說明治療效果越好，反之，分?jǐn)?shù)值越小，治療效果就越差。分?jǐn)?shù)值來源于用戶對治療方案的反饋，用戶的反饋可以通過評分來實現(xiàn)。本發(fā)明實施例中知識庫可以為治療方案的大數(shù)據(jù)知識庫，治療方案大數(shù)據(jù)知識庫是知識工程中結(jié)構(gòu)化、易操作、易利用、全面有組織的知識集群，可以針對專業(yè)領(lǐng)域病情求解的需求，采用專業(yè)知識表示方式在計算機存儲器中存儲、組織、管理和使用的互相聯(lián)系的知識片集合。這些知識片包括與專業(yè)領(lǐng)域相關(guān)的理論知識、事實數(shù)據(jù)。例如，專業(yè)領(lǐng)域內(nèi)有關(guān)的定義、定理和運算規(guī)則以及常識性知識等。
[0036]在一個實施例中，信息獲取模塊還用于通過穿戴式設(shè)備或遠程醫(yī)療設(shè)備自動獲取病人的病情信息；或者通過病人注冊信息或病歷信息自動獲取病人的個人信息；或者通過終端獲取用戶輸入的病情信息和個人信息。
[0037]在本實施例中，病人的病人信息的獲取可以通過穿戴式設(shè)備或者遠程醫(yī)療設(shè)備自動獲取病人的病人信息，相當(dāng)于通過檢測病人的身體狀況以獲取的病人的病情信息。還可以通過終端直接獲取用戶輸入的病人的病情信息，這里的病情信息包括但不限于病情的癥狀信息、生命體征值、病情病因等信息。病人的個人信息可以通過病人注冊信息或者病歷信息自動獲取病人的個人信息。
[0038]如圖3所示，在一個實施例中，匹配模塊104包括:
[0039]第一獲取單元104A，用于將所述第一病情信息與所述知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合。
[0040]在本實施例中，將第一病情信息與知識庫中的各個治療案例的病情信息一一進行匹配，并計算每個病情信息與第一病情信息之間的匹配度，然后根據(jù)計算得到的匹配度，獲取大于第一預(yù)設(shè)閾值的所有病情信息，將獲取到的所有病情信息對應(yīng)的治療案例作為第一治療案例。匹配度的預(yù)設(shè)閾值的取值范圍在O到I之間。計算匹配度的方法可以有多種，比如，可以根據(jù)關(guān)鍵詞進行匹配，將匹配成功的關(guān)鍵詞數(shù)作為匹配度。其中，在進行關(guān)鍵詞的匹配時，將關(guān)鍵詞作為字符串，既可以采用字符串的精確匹配，也可以采用字符串的模糊匹配。具體的，提取第一病情信息中的關(guān)鍵詞作為第一關(guān)鍵詞，然后利用第一關(guān)鍵詞與知識庫中的病情信息進行匹配，匹配的關(guān)鍵詞數(shù)越多，相應(yīng)的匹配度也就越大，將匹配度大于預(yù)設(shè)閾值(比如，80%)的病情信息全部收集起來組成一個病情信息集合。在另一個實施例中，從獲取的用戶的病情信息中抽取關(guān)鍵詞作為第一關(guān)鍵詞，從大數(shù)據(jù)知識庫中治療案例中的病情信息中抽取關(guān)鍵詞作為第二關(guān)鍵詞，用戶病情信息與知識庫中各個病情信息的匹配實際上就是第一關(guān)鍵詞與第二關(guān)鍵詞進行匹配，并將匹配成功的關(guān)鍵詞數(shù)在第一關(guān)鍵詞數(shù)中的占比作為相應(yīng)的匹配度。比如，從用戶的病情信息中提取的第一關(guān)鍵詞的次數(shù)為10個，那么如果數(shù)據(jù)庫中的某個病情信息中的關(guān)鍵詞有7個與第一關(guān)鍵詞匹配成功，那么該病情信息與第一病情信息的匹配度就是70%。
[0041]第一計算單元104B，用于計算所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合。
[0042]在本實施例中，將第一病情信息與知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合后，將第一治療案例集合中每個治療案例的個人信息與第一個人信息進行匹配，通過計算第一治療案例集合中每個治療案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合。具體的，個人信息包括但不限于用戶年齡、用戶所在地等信息。個人信息之間匹配度的計算有多種，在一個實施例中，計算第一治療案例集合中每個治療案例的個人信息中的用戶年齡與第一個人信息的用戶年齡的差值的絕對值，絕對值越小說明年齡相差越小，其相應(yīng)的匹配度就越大，可以通過設(shè)置一個年齡差值的絕對值與匹配度反相關(guān)的函數(shù)來計算相應(yīng)的年齡匹配度。在另一個實施例中，有些時候用戶的病情具有地域特色，所以可以通過計算每個治療案例的個人信息中的用戶所在地與第一個人信息的用戶所在地的距離來計算相應(yīng)的所在地匹配度。此外，為了更準(zhǔn)確的匹配用戶的個人信息可以綜合考慮用戶的個人信息中年齡匹配度和用戶所在地匹配度來計算個人信息的匹配度。
[0043]第一查找單元104C，用于查找所述第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值。
[0044]在本實施例中，獲取到個人信息匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合后，進一步的去獲取該治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，分?jǐn)?shù)值越大，說明治療效果越好。具體的，比如，首先獲取病情信息匹配度大于90%的第一治療案例集合，此時第一治療案例集合中的病情信息基本上都和第一病情信息比較相似，接下來需要獲取第一治療案例集合中個人信息與第一個人信息的匹配度，將匹配度大于95%的治療案例作為第二治療案例集合，此時第二治療案例集合中不但病情信息比較相似，用戶的個人信息也比較相似。然后去獲取第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，分?jǐn)?shù)值越大，說明治療效果越好，也同時說明對應(yīng)的治療方案越符合用戶的需求。
[0045]第一匹配單元104D，用于將所述分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0046]在本實施例中，獲取到第二治療案例集合中每個治療案例對應(yīng)的治療效果的分?jǐn)?shù)值后，通過比較各個治療案例的治療效果的分?jǐn)?shù)值，將分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息作為與第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息，進而獲取與該第二病情信息及第二個人信息對應(yīng)的治療方案，將該治療方案推薦給用戶。
[0047]如圖4所示，在一個實施例中，匹配模塊104包括:
[0048]第二獲取單元104a，用于將所述第一病情信息與所述知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合。
[0049]在本實施例中，將第一病情信息與知識庫中的各個治療案例的病情信息一一進行匹配，并計算每個病情信息與第一病情信息之間的匹配度，然后根據(jù)計算得到的匹配度，獲取大于第一預(yù)設(shè)閾值的所有病情信息，將獲取到的所有病情信息對應(yīng)的治療案例作為第一治療案例。匹配度的預(yù)設(shè)閾值的取值范圍在O到I之間。計算匹配度的方法可以有多種，比如，可以根據(jù)關(guān)鍵詞進行匹配，將匹配成功的關(guān)鍵詞數(shù)作為匹配度。其中，在進行關(guān)鍵詞的匹配時，將關(guān)鍵詞作為字符串，既可以采用字符串的精確匹配，也可以采用字符串的模糊匹配。具體的，提取第一病情信息中的關(guān)鍵詞作為第一關(guān)鍵詞，然后利用第一關(guān)鍵詞與知識庫中的病情信息進行匹配，匹配的關(guān)鍵詞數(shù)越多，相應(yīng)的匹配度也就越大，將匹配度大于預(yù)設(shè)閾值(比如，80%)的病情信息全部收集起來組成一個病情信息集合。在另一個實施例中，從獲取的用戶的病情信息中抽取關(guān)鍵詞作為第一關(guān)鍵詞，從大數(shù)據(jù)知識庫中治療案例中的病情信息中抽取關(guān)鍵詞作為第二關(guān)鍵詞，用戶病情信息與知識庫中各個病情信息的匹配實際上就是第一關(guān)鍵詞與第二關(guān)鍵詞進行匹配，并將匹配成功的關(guān)鍵詞數(shù)在第一關(guān)鍵詞數(shù)中的占比作為相應(yīng)的匹配度。比如，從用戶的病情信息中提取的第一關(guān)鍵詞的次數(shù)為10個，那么如果數(shù)據(jù)庫中的某個病情信息中的關(guān)鍵詞有7個與第一關(guān)鍵詞匹配成功，那么該病情信息與第一病情信息的匹配度就是70%。
[0050]第二計算單元104b，用于計算所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合。
[0051]在本實施例中，將第一病情信息與知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合后，將第一治療案例集合中每個治療案例的個人信息與第一個人信息進行匹配，通過計算第一治療案例集合中每個治療案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合。具體的，個人信息包括但不限于用戶年齡、用戶所在地等信息。個人信息之間匹配度的計算有多種，在一個實施例中，計算第一治療案例集合中每個治療案例的個人信息中的用戶年齡與第一個人信息的用戶年齡的差值的絕對值，絕對值越小說明年齡相差越小，其相應(yīng)的匹配度就越大，可以通過設(shè)置一個年齡差值的絕對值與匹配度反相關(guān)的函數(shù)來計算相應(yīng)的年齡匹配度。在另一個實施例中，有些時候用戶的病情具有地域特色，所以可以通過計算每個治療案例的個人信息中的用戶所在地與第一個人信息的用戶所在地的距離來計算相應(yīng)的所在地匹配度。此外，為了更準(zhǔn)確的匹配用戶的個人信息可以綜合考慮用戶的個人信息中年齡匹配度和用戶所在地匹配度來計算個人信息的匹配度。
[0052]第二查找單元104c，用于查找所述第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值。
[0053]在本實施例中，獲取到個人信息匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合后，進一步的去獲取該治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，分?jǐn)?shù)值越大，說明治療效果越好。
[0054]匹配優(yōu)先度計算單元104d，用于根據(jù)獲取的所述第二治療案例集合中每個治療案例的病情信息匹配度、個人信息匹配度和治療效果的分?jǐn)?shù)值計算每個治療案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度。
[0055]在本實施例中，獲取第二治療案例集合中每個治療案例的病情信息匹配度、個人信息匹配度和治療效果的分?jǐn)?shù)值，采用加權(quán)平均的方法計算病情信息集合中每個治療案例的匹配優(yōu)先度。具體的，將病情信息的匹配度設(shè)為Pl，將個人信息的匹配度設(shè)為P2，將治療效果的分?jǐn)?shù)值設(shè)為P3，然后分別設(shè)置病情信息匹配度Pl的權(quán)重參數(shù)為kl，個人信息匹配度?2的權(quán)重參數(shù)為1^，治療效果的分?jǐn)?shù)值?3的權(quán)重參數(shù)為1^3。其中汰1+1^+1^3 = 1，1^1、1^、1^3為大于O小于I的數(shù)。那么每個治療案例的匹配度優(yōu)先度為Pl*kl+P2*k2+P3*k3。然后將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度。
[0056]第二匹配單元104e，將所述第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0057]具體的，將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度，然后獲取與該第一匹配優(yōu)先度對應(yīng)的病情信息和個人信息，該第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
[0058]如圖5所示，在一個實施例中，第一計算單元104B包括:
[0059]年齡計算子單元502，用于計算所述第一治療案例集合中每個治療案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值。
[0060]具體的，個人信息包括用戶的年齡、性別、用戶所在地等信息。獲取到病情信息匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合后，獲取第一治療案例集合中每個治療案例的個人信息中的用戶年齡，并與第一個人信息的用戶年齡進行比較，計算得到每個治療案例的個人信息中的用戶年齡與第一個人信息的用戶年齡之間的差值的絕對值。比如，若獲取的第一用戶信息中用戶的年齡為36歲，其中一個治療案例中的個人信息中的用戶年齡為32歲，那么兩者年齡的差值為32_36 = _4，差值的絕對值就是4歲。
[0061]距離計算子單元504，用于計算所述第一治療案例集合中每個治療案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離。
[0062]在本實施例中，獲取第一治療案例集合中每個治療案例的個人信息的用戶所在地，并與第一個人信息中的用戶所在地進行比較，計算兩者之間的距離。具體的，距離的計算可以采用模糊的估算，比如，如果兩者分別在兩個城市，那么可以將兩個城市之間的距離作為兩者的距離。如果兩者在同一城市的不同區(qū)域，那么可以將兩個區(qū)域之間的距離作為兩者的距離，如果兩者在同一城市同一區(qū)域，那么可以認(rèn)為兩者的距離很近，幾乎可以設(shè)為O。
[0063]個人信息匹配子單元506，用于個人信息根據(jù)計算得到的用戶年齡的差值的絕對值和所述用戶所在地的距離確定所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息之間的匹配度。
[0064]在本實施例中，計算得到用戶年齡的差值的絕對值和用戶所在地的距離后，根據(jù)預(yù)設(shè)的函數(shù)關(guān)系計算第一治療案例集合中每個治療案例的個人信息與第一個人信息之間的匹配度。具體的，假設(shè)計算得到的用戶年齡的差值的絕對值為X，用戶所在地的距離為Y，那么個人信息匹配度可以表示為X和Y的函數(shù)，即f(x，Y)，其中，X和Y都是大于或等于O的數(shù)，并且X與函數(shù)f(X，Y)成反相關(guān)，Y與函數(shù)f(X，Y)也成反相關(guān)。也就是說，年齡差值的絕對值越大，其匹配度反而越小，距離越大，其匹配度也越小，反之，年齡差值的絕對值越小，距離越小，其對應(yīng)的個人信息的匹配度越大。
[0065]如圖6所示，在一個實施例中，上述治療方案推薦系統(tǒng)還包括:
[0066]反饋模塊108，用于獲取用戶對所述治療方案的反饋，根據(jù)所述反饋確定與所述治療方案對應(yīng)的治療效果的分?jǐn)?shù)值。
[0067]在本實施例中，獲取用戶對推薦的治療方案的反饋，根據(jù)用戶的反饋來確定與治療方案對應(yīng)的治療效果的分?jǐn)?shù)值。具體的，用戶的反饋可以直接通過打分的形式，比如滿分為100分，根據(jù)治療的效果對推薦方案進行相應(yīng)的打分，然后將用戶的打分作為治療效果的分?jǐn)?shù)值。還可以通過獲取用戶對治療方案的滿意程度，然后將用戶的滿意程度轉(zhuǎn)換為相應(yīng)的分?jǐn)?shù)進行存儲，具體的，假設(shè)滿意程度分為五種，分別是非常滿意，滿意，一般般，不滿意，非常不滿意，預(yù)先設(shè)置每種滿意程度對應(yīng)的分?jǐn)?shù)值，比如，非常滿意對應(yīng)的分?jǐn)?shù)值為100分，滿意對應(yīng)的分?jǐn)?shù)值為80分，一般般對應(yīng)的分?jǐn)?shù)值為60分，不滿意對應(yīng)的分?jǐn)?shù)值為30分，非常不滿意對應(yīng)的分?jǐn)?shù)為O分。比如，用戶對治療方案的評價為一般般，那么后臺自動將對應(yīng)60分作為治療效果的分?jǐn)?shù)值。
[0068]添加模塊110，用于將所述第一病情信息、第一個人信息、推薦的所述治療方案及所述治療效果的分?jǐn)?shù)值作為一個治療案例添加至所述知識庫中，當(dāng)所述知識庫中治療案例的數(shù)量達到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。
[0069]具體的，獲取用戶對推薦方案的評分后，也就是獲取了治療效果的分?jǐn)?shù)值。將之前用戶的病情信息即第一病情信息、個人信息，為該第一病情信息及個人信推薦的治療方案和上述治療效果的分?jǐn)?shù)值一起作為一個新的治療案例添加至知識庫中，通過該方法能夠不斷地完善知識庫。當(dāng)知識庫中的治療案例的數(shù)量大于第一預(yù)設(shè)閾值(比如，第一預(yù)設(shè)閾值設(shè)為I萬)時，就形成了大數(shù)據(jù)知識庫，大數(shù)據(jù)知識庫中治療案例的數(shù)量越大，能找到更為匹配的病情信息的概率就越大。由此，推薦的治療方案也會越來越可靠。
[0070]如圖7所示，在一個實施例中，建立模塊101包括:
[0071]分布存儲單元101A，用于將所述知識庫中的多個治療案例分別存儲到多個計算節(jié)點中，其中，每個計算節(jié)點存儲至少一個治療案例。
[0072]在本實施例中，治療案例是存儲在計算節(jié)點中的，每個計算節(jié)點存儲至少一個治療案例，大數(shù)據(jù)知識庫中的多個治療案例分別存儲在多個計算節(jié)點中。其中，治療案例包括病情信息、與病情信息對應(yīng)的治療方案和治療效果等。治療效果可以通過分?jǐn)?shù)值來反映，分?jǐn)?shù)值越大，表示治療效果越好。
[0073]冗余存儲單元101B，用于將所述知識庫中的每個治療案例復(fù)制至少一份存儲到其他計算節(jié)點中，作為所述治療案例的冗余備份。
[0074]在本實施例中，將大數(shù)據(jù)知識庫中的治療案例復(fù)制P份，分別存到P個計算節(jié)點中，作為治療案例的冗余備份。其中，P為大于或等于I的整數(shù)。冗余備份的目的是，當(dāng)某個計算節(jié)點出現(xiàn)異常時，將該異常的計算節(jié)點上的治療案例從冗余備份的計算節(jié)點中找到，并將其復(fù)制到正常的計算節(jié)點上。
[0075]容錯單元101C，用于將異常計算節(jié)點上的治療案例從所述冗余備份的計算節(jié)點中復(fù)制到正常計算節(jié)點上。
[0076]在本實施例中，為了使系統(tǒng)具有容錯功能，在建立模塊中創(chuàng)建一個冗余存儲單元，用于將大數(shù)據(jù)知識庫中的每個治療案例復(fù)制至少一份存儲到其他計算節(jié)點中，當(dāng)某個計算節(jié)點出現(xiàn)異常時，將該異常的計算節(jié)點上的治療案例從冗余備份的計算節(jié)點上復(fù)制到正常計算節(jié)點上。
[0077]如圖8所示，在一個實施例中，匹配模塊包括:
[0078]第一并行匹配單元104E，用于將所述第一病情信息與所述知識庫中的各個計算節(jié)點中治療案例的病情信息進行并行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集入口 ο
[0079]具體的，大數(shù)據(jù)知識庫中的治療案例存儲在計算節(jié)點中，其中，治療案例包括病情信息、個人信息及與病情信息及個人信息對應(yīng)的治療方案和治療效果的分?jǐn)?shù)值。將第一病情信息與大數(shù)據(jù)知識庫中的各個計算節(jié)點上的治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的治療案例集合。通過并行匹配加快了匹配的速度。
[0080]第二并行匹配單元104F，用于將所述第一治療案例集合中的每個治療案例的個人信息與所述第一個人信息進行并行匹配，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集入口 ο
[0081]比較單元104G，用于在知識庫中的各個計算節(jié)點上查找與所述第二治療案例集合中每個治療案例對應(yīng)的治療效果的分?jǐn)?shù)值，通過比較將分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人?目息O
[0082]如圖9所示，在一個實施例中，匹配模塊包括:
[0083]第三并行匹配單元104Μ，用于將所述第一病情信息與所述知識庫中的各個計算節(jié)點中治療案例的病情信息進行并行匹配，獲取匹配度大于第三預(yù)設(shè)閾值的第三治療案例集合，通過并行計算可以加快計算匹配優(yōu)先度的速度。
[0084]第四并行匹配單元104Ν，用于將所述第一治療案例集合中的每個治療案例的個人信息與所述第一個人信息進行并行匹配，獲取匹配度大于第四預(yù)設(shè)閾值的第四治療案例集合，通過并行計算可以加快計算匹配優(yōu)先度的速度。
[0085]并行計算單元1041，用于在知識庫中的各個計算節(jié)點上查找所述第四治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，根據(jù)所述第四治療案例集合中每個病情信息的匹配度、個人信息的匹配度以及所述治療效果的分?jǐn)?shù)值并行計算對應(yīng)的計算節(jié)點上的各個治療案例的匹配優(yōu)先度，將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度，將所述第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。在本實施例中，通過并行匹配計算和并行計算加快了匹配的速度。
[0086]為了更好的理解與應(yīng)用本發(fā)明提出的一種治療方案推薦方法，進行以下示例，需要說明的是，本發(fā)明所保護的范圍不局限以下示例。
[0087]具體的，獲取甲用戶的病情信息為:被蚊子咬了之后出現(xiàn)紅腫怎么辦？;個人信息:26歲、女性、所在地為廣州。首先，將甲用戶的病情信息與知識庫中各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值(比如，80%)的第一治療案例集合，此時，第一治療案例集合中的病情信息都與甲用戶的病情信息“被蚊子咬了之后出現(xiàn)紅腫怎么辦”相似或相同。然后進一步將甲用戶的個人信息與第一治療案例集合中的每個治療案例的個人信息進行匹配，由于被蚊子咬了之后不同年齡、不同性別的反應(yīng)可能不同，而且不同地區(qū)的蚊子也有差別，被咬了之后皮膚出現(xiàn)的反應(yīng)也不同。所以需要計算每個治療案例中個人信息與甲用戶的個人信息的匹配度。具體的計算方法可以分別獲取年齡的匹配度，性別的匹配度，用戶所在地的匹配度，然后綜合考慮年齡、性別、所在地三個因素的匹配度來計算個人信息的匹配度。獲取個人信息的匹配度大于第二預(yù)設(shè)閾值(比如，90%)的第二治療案例集合，此時，第二治療案例集合中不但病情信息與甲用戶的病情信息相同或相似，并且個人信息與甲用戶的個人信息也相同或相似。之后，獲取第二治療案例集合中每個治療案例對應(yīng)的治療效果的分?jǐn)?shù)值，假設(shè)其中一個治療案例的治療方案為:在被蚊子咬的地方涂抹無極膏可以消腫。該方案的治療效果的分?jǐn)?shù)值最大為100分。那么就將該方案作為最佳的治療方案推薦給甲用戶。
[0088]本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory ROM)或隨機存儲記憶體(Random AccessMemory，RAM)等。
[0089]以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。
[0090]以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【主權(quán)項】
1.一種治療方案推薦系統(tǒng)，所述系統(tǒng)包括: 信息獲取模塊，用于獲取用戶的病情信息和個人信息，將所述用戶的病情信息作為第一病情信息，將所述用戶的個人信息作為第一個人信息； 匹配模塊，用于將所述第一病情信息及所述第一個人信息與知識庫中的病情信息及個人信息進行匹配，確定與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人?目息; 推薦模塊，用于獲取與所述第二病情信息及第二個人信息對應(yīng)的治療方案，將獲取到的所述治療方案推薦給所述用戶。2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括: 建立模塊，用于建立知識庫，所述知識庫包括多個治療案例，所述治療案例包括病情信息、個人信息、及與所述病情信息及個人信息對應(yīng)的治療方案和治療效果的分?jǐn)?shù)值。3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述信息獲取模塊還用于通過穿戴式設(shè)備或遠程醫(yī)療設(shè)備自動獲取病人的病情信息;或者 通過病人注冊信息或病歷信息自動獲取病人的個人信息;或者 通過終端獲取用戶輸入的病情信息和個人信息。4.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，所述匹配模塊包括: 第一獲取單元，用于將所述第一病情信息與所述知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合； 第一計算單元，用于計算所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合； 第一查找單元，用于查找所述第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值； 第一匹配單元，用于將所述分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。5.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，所述匹配模塊包括: 第二獲取單元，用于將所述第一病情信息與所述知識庫中的各個治療案例的病情信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合； 第二計算單元，用于計算所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合； 第二查找單元，用于查找所述第二治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值； 匹配優(yōu)先度計算單元，用于根據(jù)獲取的所述第二治療案例集合中每個治療案例的病情信息匹配度、個人信息匹配度和治療效果的分?jǐn)?shù)值計算每個治療案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度； 第二匹配單元，將所述第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。6.根據(jù)權(quán)利要求4或5所述的系統(tǒng)，其特征在于，所述第一計算單元或第二計算單元包括: 年齡計算子單元，用于計算所述第一治療案例集合中每個治療案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值； 距離計算子單元，用于計算所述第一治療案例集合中每個治療案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離； 個人信息匹配子單元，用于個人信息根據(jù)計算得到的用戶年齡的差值的絕對值和所述用戶所在地的距離確定所述第一治療案例集合中每個治療案例的個人信息與所述第一個人信息之間的匹配度。7.根據(jù)權(quán)利要求1所述的系統(tǒng)，所述系統(tǒng)還包括: 反饋模塊，用于獲取用戶對所述治療方案的反饋，根據(jù)所述反饋確定與所述治療方案對應(yīng)的治療效果的分?jǐn)?shù)值； 添加模塊，用于將所述第一病情信息、第一個人信息、推薦的所述治療方案及所述治療效果的分?jǐn)?shù)值作為一個治療案例添加至所述知識庫中，當(dāng)所述知識庫中治療案例的數(shù)量達到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。8.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，所述建立模塊包括: 分布存儲單元，用于將所述知識庫中的多個治療案例分別存儲到多個計算節(jié)點中，其中，每個計算節(jié)點存儲至少一個治療案例； 冗余存儲單元，用于將所述知識庫中的每個治療案例復(fù)制至少一份存儲到其他計算節(jié)點中，作為所述治療案例的冗余備份； 容錯單元，用于將異常計算節(jié)點上的治療案例從所述冗余備份的計算節(jié)點中復(fù)制到正常計算節(jié)點上。9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述匹配模塊包括: 第一并行匹配單元，用于將所述第一病情信息與所述知識庫中的各個計算節(jié)點中治療案例的病情信息進行并行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一治療案例集合； 第二并行匹配單元，用于將所述第一治療案例集合中的每個治療案例的個人信息與所述第一個人信息進行并行匹配，獲取匹配度大于第二預(yù)設(shè)閾值的第二治療案例集合； 比較單元，用于在知識庫中的各個計算節(jié)點上查找與所述第二治療案例集合中每個治療案例對應(yīng)的治療效果的分?jǐn)?shù)值，通過比較將分?jǐn)?shù)值最大的治療效果對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。10.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述匹配模塊包括: 第三并行匹配單元，用于將所述第一病情信息與所述知識庫中的各個計算節(jié)點中治療案例的病情信息進行并行匹配，獲取匹配度大于第三預(yù)設(shè)閾值的第三治療案例集合； 第四并行匹配單元，用于將所述第一治療案例集合中的每個治療案例的個人信息與所述第一個人信息進行并行匹配，獲取匹配度大于第四預(yù)設(shè)閾值的第四治療案例集合； 并行計算單元，用于在知識庫中的各個計算節(jié)點上查找所述第四治療案例集合中每個治療案例的治療效果的分?jǐn)?shù)值，根據(jù)所述第四治療案例集合中每個病情信息的匹配度、個人信息的匹配度以及所述治療效果的分?jǐn)?shù)值并行計算對應(yīng)的計算節(jié)點上的各個治療案例的匹配優(yōu)先度，將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度，將所述第一匹配優(yōu)先度對應(yīng)的病情信息及個人信息作為與所述第一病情信息及第一個人信息匹配的第二病情信息及第二個人信息。
【文檔編號】G06F19/00GK105912881SQ201610416289
【公開日】2016年8月31日
【申請日】2016年6月14日
【發(fā)明人】朱定局
【申請人】華南師范大學(xué)