症状术语（症状词）的数量和质量是医生诊断和智能诊断的基础之一,只有症状词的数量足够多,机器或医生才能在诊断推理时做到不漏诊、误诊。目前关于症状词提取、扩展的主流方法包括深度学习、支持向量机、随机场等,这些研究不是出于商业应用去实现真实世界大规模词的获取和扩展,而是着重于算法改进的实验性验证,如验证算法的测试精度、召回率等,而且训练样本和算法获取的症状词多在几百、几千规模,因此关于大规模症状词的获取和扩展未见国内外学术文献有报道,但市场调研发现市场上医疗大数据清洗、挖掘企业的医疗相关术语都在千万之多。因此,研究大规模获取商用症状术语的算法非常必要。当前研究热点中的有监督学习算法由于需要标注大量训练样本,基于此获取大规模商用症状术语存在人力成本瓶颈。本研究的目的在于借鉴当前实验性算法的优点,研制大规模获取症状词的方法和途径。已有研究发现,借助于症状词的词法语义,即词的构成规律,将词汇首先分解成基本词素,然后研制构词规律,接下来按照构词规律粘合2个以上的基本词素,最后将粘合后的候选症状词到真实医疗文本中验证。该种方法可以有效地扩展粘合后症状词数量,但不能扩展词素的数量。为解决该不足,本研究设计了一种应用一字词素扩展与其搭配的其他词素的算法。该算法首先截取核心症状词汇的一字开始词素或结束词素,用这些开始词素或结束词素到121万篇专业医疗文本中匹配并粘合其后或其前1-3个字符,将得到的字符串作为候选症状词,在搜索引擎中搜索,利用其高频、句中位置等特征判断得到的字符串是否为独立完整的词汇。由开始一字词素获取到60万个独立候选症状词,由结束一字词素获取到54万多的独立候选症状词。用算法和人工结合的方法,从独立候选症状词中获得新的部位词素以及新的症状特征词。新的词素并入原有词素集合后按构词规律粘合候选症状词后,再在搜索引擎中用独立性、完整性算法验证,获得新的症状词7万多。已有研究利用聚类、语义词典、词汇相似度等方法获得症状词的同义词,但获取的同义词数量很少。为了避开症状词开源数据缺乏,人工标注成本高的缺点,本研究借助于在搜索引擎中搜索后同义词被标注的特征,研制了获取底层同义词词库的算法,经词汇独立性、完整性算法的除杂,在原有的10万个症状词和新获取的7万多个症状词的基础上,获得症状词的同义词有24万多个。本研究也有一些不足之处,就是症状词中异常状态词素的人工识别比较花费时间,以后可以通过研究相应的算法提高人工识别、标注的效率。