本技术涉及大数据信息处理领域，且更为具体地，涉及一种基于大数据的中医智能辨证信息处理系统。
背景技术：
1、辨证是中医诊疗体系中的核心环节，通过对患者的症状、体征等进行综合分析，以确定病因、病性、病位来为患者提供了一种全面的、个性化的健康管理和疾病治疗方式。
2、然而，目前中医辨证领域研究中，大部分的方法都是基于症状与证素固定量化的值，再结合量化值的通用算法来得到证名。但由于中医传承流派众多，不同流派都是各自有派系特点，并且中医辨证很大程度上依赖于医生的主观经验和直觉，而现有的量化方法往往无法充分体现这些个性化的经验和知识。
3、因此，期望一种基于大数据的中医智能辨证信息处理系统。
技术实现思路
1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于大数据的中医智能辨证信息处理系统，其通过获取被诊断患者对象的症状描述的集合和证素描述的集合，并采用基于大数据和人工智能的文本描述分析技术来进行所述被诊断患者对象的症状描述的集合和证素描述的集合的语义编码和特征关联，以此基于所述各个症状描述的上下文之间的隐含语义关联和所述各个证素描述的语义特征之间的融合特征来智能地得到证名的类型标签的推理结果。通过该方式，系统能够根据患者具体的症状描述和证素描述，智能地推理出符合个体差异的证名类型标签，减少了人为因素导致的差异，从而实现个性化诊断。
2、根据本技术的一个方面，提供了一种基于大数据的中医智能辨证信息处理系统，其包括：
3、患者对象症状描述获取模块，用于获取被诊断患者对象的症状描述的集合；
4、患者对象证素描述获取模块，用于获取所述被诊断患者对象的证素描述的集合；
5、症状描述语义编码模块，用于对所述症状描述的集合中的各个症状描述分别进行语义嵌入编码以得到症状描述语义嵌入编码向量的集合后，对所述症状描述语义嵌入编码向量的集合进行上下文语义编码以得到上下文症状间隐含语义关联特征向量的集合；
6、上下文语义强化模块，用于将所述上下文症状间隐含语义关联特征向量的集合输入基于显著性-全局性的上下文语义强化模块以得到强化上下文症状间隐含语义关联特征向量的集合；
7、证素描述语义编码模块，用于对所述证素描述的集合中的各个证素描述分别进行语义嵌入编码以得到证素描述语义嵌入编码向量的集合；
8、症状证素描述语义融合模块，用于将所述强化上下文症状间隐含语义关联特征向量的集合和所述证素描述语义嵌入编码向量的集合整合为症状证素语义融合特征向量的序列后通过基于transformer层的上下文编码器以得到症状信息和证素信息语义融合编码特征向量作为症状信息和证素信息语义融合编码特征；
9、推理结果生成模块，用于基于所述症状信息和证素信息语义融合编码特征，得到推理结果，所述推理结果用于表示证名的类型标签。
10、在上述基于大数据的中医智能辨证信息处理系统中，所述症状描述语义编码模块，包括：语义嵌入编码单元，用于将所述症状描述的集合中的各个症状描述分别通过基于bert模型的语义嵌入编码器以得到所述症状描述语义嵌入编码向量的集合；隐含语义关联单元，用于将所述症状描述语义嵌入编码向量的集合输入基于bi-lstm 的上下文语义编码器以得到所述上下文症状间隐含语义关联特征向量的集合。
11、在上述基于大数据的中医智能辨证信息处理系统中，所述上下文语义强化模块，包括：突出特征计算单元，用于提取所述上下文症状间隐含语义关联特征向量的集合中的各个上下文症状间隐含语义关联特征向量的最大值以得到突出上下文症状间隐含语义关联特征向量；全局特征计算单元，用于提取所述上下文症状间隐含语义关联特征向量的集合中的各个上下文症状间隐含语义关联特征向量的平均值以得到全局上下文症状间隐含语义关联特征向量；特征处理单元，用于对所述突出上下文症状间隐含语义关联特征向量和所述全局上下文症状间隐含语义关联特征向量分别进行卷积编码、非线性激活和线性变换以得到突出特征上下文症状间隐含语义关联激活特征向量和全局特征上下文症状间隐含语义关联激活特征向量；特征融合单元，用于融合所述突出特征上下文症状间隐含语义关联激活特征向量和所述全局特征上下文症状间隐含语义关联激活特征向量以得到全局-突出特征上下文症状间隐含语义关联特征向量后，对所述全局-突出特征上下文症状间隐含语义关联特征向量进行非线性激活以得到全局-突出特征上下文症状间隐含语义关联权重特征向量；特征加权单元，用于以所述全局-突出特征上下文症状间隐含语义关联权重特征向量作为权重，对所述上下文症状间隐含语义关联特征向量的集合进行按位置点乘并加上所述上下文症状间隐含语义关联特征向量的集合以得到所述强化上下文症状间隐含语义关联特征向量的集合。
12、在上述基于大数据的中医智能辨证信息处理系统中，所述特征处理单元，用于：将所述突出上下文症状间隐含语义关联特征向量进行一维卷积编码后得到的突出上下文症状间隐含语义关联卷积编码向量输入relu函数以得到突出上下文症状间隐含语义关联激活编码特征向量；对所述突出上下文症状间隐含语义关联激活编码特征向量进行点卷积编码后得到的突出点卷积特征向量与第一权重矩阵进行矩阵相乘以得到所述突出特征上下文症状间隐含语义关联激活特征向量；将所述全局上下文症状间隐含语义关联特征向量进行一维卷积编码后得到的全局上下文症状间隐含语义关联卷积编码向量输入relu函数以得到全局上下文症状间隐含语义关联激活编码特征向量；对所述全局上下文症状间隐含语义关联激活编码特征向量进行点卷积编码后得到的全局点卷积特征向量与第二权重矩阵进行矩阵相乘以得到所述全局特征上下文症状间隐含语义关联激活特征向量。
13、在上述基于大数据的中医智能辨证信息处理系统中，所述特征融合单元，用于：对所述突出特征上下文症状间隐含语义关联激活特征向量和所述全局特征上下文症状间隐含语义关联激活特征向量进行特征融合以得到所述全局-突出特征上下文症状间隐含语义关联特征向量；将所述全局-突出特征上下文症状间隐含语义关联特征向量输入tanh函数以得到第一激活全局-突出特征上下文症状间隐含语义关联特征向量；将所述全局-突出特征上下文症状间隐含语义关联特征向量输入sigmoid函数以得到第二激活全局-突出特征上下文症状间隐含语义关联特征向量；将所述第一激活全局-突出特征上下文症状间隐含语义关联特征向量和所述第二激活全局-突出特征上下文症状间隐含语义关联特征向量进行按位置点乘以得到所述全局-突出特征上下文症状间隐含语义关联权重特征向量。
14、在上述基于大数据的中医智能辨证信息处理系统中，所述证素描述语义编码模块，用于：将所述证素描述的集合中的各个证素描述分别通过所述基于bert模型的语义嵌入编码器以得到所述证素描述语义嵌入编码向量的集合。
15、在上述基于大数据的中医智能辨证信息处理系统中，所述推理结果生成模块，用于：将所述症状信息和证素信息语义融合编码特征向量输入基于分类器的证名辩证推理器以得到所述推理结果。
16、在上述基于大数据的中医智能辨证信息处理系统中，还包括用于对所述基于bert模型的语义嵌入编码器、所述基于bi-lstm 的上下文语义编码器、所述基于显著性-全局性的上下文语义强化模块、所述基于transformer层的上下文编码器和所述基于分类器的证名辩证推理器进行训练的训练模块。
17、在上述基于大数据的中医智能辨证信息处理系统中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括训练被诊断患者对象的训练症状描述的集合、所述被诊断患者对象的训练证素描述的集合，以及，真实推理结果，所述真实推理结果为证名的真实类型标签；训练症状描述语义编码单元，用于将所述训练症状描述的集合中的各个训练症状描述分别通过所述基于bert模型的语义嵌入编码器以得到训练症状描述语义嵌入编码向量的集合；训练症状描述上下文语义关联单元，用于将所述训练症状描述语义嵌入编码向量的集合输入所述基于bi-lstm 的上下文语义编码器以得到训练上下文症状间隐含语义关联特征向量的集合；训练症状描述上下文语义强化单元，用于将所述训练上下文症状间隐含语义关联特征向量的集合输入所述基于显著性-全局性的上下文语义强化模块以得到训练强化上下文症状间隐含语义关联特征向量的集合；训练证素描述语义编码单元，用于将所述训练证素描述的集合中的各个训练证素描述分别通过所述基于bert模型的语义嵌入编码器以得到训练证素描述语义嵌入编码向量的集合；训练信息融合语义编码单元，用于将所述训练强化上下文症状间隐含语义关联特征向量的集合和所述训练证素描述语义嵌入编码向量的集合整合为训练症状证素语义融合特征向量的序列后通过所述基于transformer层的上下文编码器以得到训练症状信息和训练证素信息语义融合编码特征向量；训练推理结果生成单元，用于将所述训练症状信息和训练证素信息语义融合编码特征向量输入所述基于分类器的证名辩证推理器以得到训练推理结果；分类损失单元，用于计算所述训练推理结果和所述真实推理结果之间的交叉熵损失函数值以得到分类损失函数值；模型训练单元，用于基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于bert模型的语义嵌入编码器、所述基于bi-lstm 的上下文语义编码器、所述基于显著性-全局性的上下文语义强化模块、所述基于transformer层的上下文编码器和所述基于分类器的证名辩证推理器进行训练的训练模块。
18、与现有技术相比，本技术提供的基于大数据的中医智能辨证信息处理系统，其通过获取被诊断患者对象的症状描述的集合和证素描述的集合，并采用基于大数据和人工智能的文本描述分析技术来进行所述被诊断患者对象的症状描述的集合和证素描述的集合的语义编码和特征关联，以此基于所述各个症状描述的上下文之间的隐含语义关联和所述各个证素描述的语义特征之间的融合特征来智能地得到证名的类型标签的推理结果。通过该方式，系统能够根据患者具体的症状描述和证素描述，智能地推理出符合个体差异的证名类型标签，减少了人为因素导致的差异，从而实现个性化诊断。
1.一种基于大数据的中医智能辨证信息处理系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述症状描述语义编码模块，包括：
3.根据权利要求2所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述上下文语义强化模块，包括：
4.根据权利要求3所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述特征处理单元，用于：
5.根据权利要求4所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述特征融合单元，用于：
6.根据权利要求5所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述证素描述语义编码模块，用于：将所述证素描述的集合中的各个证素描述分别通过所述基于bert模型的语义嵌入编码器以得到所述证素描述语义嵌入编码向量的集合。
7.根据权利要求6所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述推理结果生成模块，用于：将所述症状信息和证素信息语义融合编码特征向量输入基于分类器的证名辩证推理器以得到所述推理结果。
8.根据权利要求7所述的基于大数据的中医智能辨证信息处理系统，其特征在于，还包括用于对所述基于bert模型的语义嵌入编码器、所述基于bi-lstm 的上下文语义编码器、所述基于显著性-全局性的上下文语义强化模块、所述基于transformer层的上下文编码器和所述基于分类器的证名辩证推理器进行训练的训练模块。
9.根据权利要求8所述的基于大数据的中医智能辨证信息处理系统，其特征在于，所述训练模块，包括：
