医疗保健意识的增强以及互联网技术的发展,促使越来越多人愿意花更长时间在网上探索多元化的医疗健康信息。目前在线医疗信息的获取方式主要分为两种:一是依靠搜索引擎,这种虽然简单快速,但对于非医疗专业人员,在查找、理解等方面仍有较大困难;二是通过健康门户网站,这种虽然提供了患者咨询平台,但由于医生时间、精力有限,往往无法及时回复。此时,医疗自动问答系统便应运而生,而其中疾病推断由于无法直接通过知识库来解决,则是医疗自动问答的最大绊脚石,因此一个有效的疾病辅助诊断方法是克服障碍的关键,论文正以此作为研究重点。考虑医疗问答数据的特点,论文先通过症状识别来强化特征,在此基础上再进行疾病辅助诊断,为更有针对性,以骨科咨询作为研究对象。针对骨科咨询中症状识别的难点,论文采用“先小后大”、“先分后合”的思想,并根据其症状实体的构成模式,首先融合词性特征、后缀特征及深度特征来识别基本症状以确定症状实体位置,然后利用构成模式的词性进行增量迭代来确定症状实体边界以识别症状实体,最后通过合并每一问句中识别得到的所有症状实体完成完整的症状识别。实验结果表明,论文提出基于词性增量迭代的方法进行医疗问答中骨科症状识别,其准确度比一般的医疗命名实体识别方法至少提高了5.4%。关于疾病辅助诊断,论文将其看作多标签分类问题。针对其中的难点,论文首先在骨科症状识别基础上,联合患者标签特征、原始问句的深度特征,一起有效表征问句,利用Softmax分类器,得到概率最大的Top K对应标签作为初始候选标签集,然后通过计算条件概率得到候选标签集标签之间的“二阶”相关性,再结合阈值对初始候选标签进行取舍,最终将满足条件的所有标签输出作为骨科疾病辅助诊断的结果。实验结果表明,采用论文提出的基于症状特征的方法进行疾病辅助诊断,其hamming-loss、coverage值比传统方法分别降低了0.0818、1.3558,average-precision值提高了0.047。最后,根据上述方法对基面向患者的医疗自动问答系统进行设计,设计出症状识别与疾病辅助诊断子系统,并为其进行相应的UML建模及各部分的核心代码展示。