随着近年来互联网的迅速发展,通过网络获取信息逐渐成为人们日常生活中的常见方式。在医疗领域中,人们也逐渐倾向于在身体不适时,通过互联网进行搜索,以了解自己当前的症状和潜在疾病。然而,目前互联网中的信息十分庞大繁杂,而通用的搜索引擎往往不具备某些专业领域的知识,只能进行浅层次的关键词搜索,因而很难满足人们的医疗诊断需求。本工作旨在建立一个基于多次推断的自动化医疗疾病诊断系统,以更好地帮助身体不适的人们进行疾病自诊。在此系统中,用户首先向系统自述病情症状,然后由系统对用户可能罹患的疾病做出推断。当系统认为用户提供的信息还不足以确诊时,会继续向用户提问,并根据用户的反馈做出更加准确的推断。最后,系统将提供给用户一份其可能罹患的疾病的分析报告,从而为用户之后的就诊提供帮助。本文首先介绍了用于该诊断系统的医疗知识库的构建方法及结果,包括从互联网中抓取医疗诊断领域的相关数据、根据不同类型的数据针对性地采取不同的方法以自动化地识别疾病和症状等实体、量化实体及实体间关系等部分。接下来,本文详细描述了如何结合语义分析和词向量分析,以从用户的自述或反馈中抽取出用户的症状。当系统认为用户当前反馈的信息不足以确诊时,将计算向用户发出询问其他症状而可能得到的信息增益,并据此向用户提问。在此过程中,系统应用了贝叶斯分类器来推断用户可能罹患的各种疾病的概率。最后,本文在自行抓取并构建的数据集上对上述方法进行了实验验证,并给出了系统实现过程中的性能优化算法的介绍。