基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备与流程

本申请涉及疾病数据处理技术领域，特别是涉及一种基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备。

背景技术：

目前，医患沟通模式为患者需要到医院找医生，与医生进行面对面的病情沟通，医生根据病人的病情，通过检查结果、自身经验或者专家库中已有的数据进行参考推理，得到针对该病人的治疗方案推荐给病人；例如，疑似患有慢阻肺疾病的病人需要告诉医生个人信息、症状等等信息，然后医生得到诊断结果给病人。

上述方式过于依赖专家或专家库的主观经验和理论知识，准确度不够高。

因此，目前的问答系统存在着无法针对慢阻肺疾病的问题进行准确诊断的问题。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种基于知识图谱的慢阻肺疾病诊断方法、装置、计算机设备和存储介质。

一种基于知识图谱的慢阻肺疾病诊断方法，包括：

获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；

提取所述用户属性信息中的属性关键词；

将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；

当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案。

在一个实施例中，所述获取用户的用户属性信息，包括：

获取用户的电子病历信息；

提取所述电子病历信息中的用户属性信息。

在一个实施例中，提取所述用户属性信息中的属性关键词，包括：

将所述用户属性信息进行分词，得到属性分词；

对所述属性分词进行词性标注，得到所述属性分词的分词词性；

根据所述属性分词的分词词性，确定所述属性分词中的所述属性关键词。

在一个实施例中，所述预设慢阻肺知识图谱包括图谱实体，不同图谱实体之间具有图谱关系；所述将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率，包括：

确定所述预设慢阻肺知识图谱中的属性图谱实体；

获取所述属性关键词和所述属性图谱实体之间的匹配率，将所述匹配率设为与所述用户属性信息对应的患病概率。

在一个实施例中，所述属性关键词包括疾病特征关键词和个人信息关键词；所述属性图谱实体包括症状图谱实体和个人信息图谱实体；所述获取所述属性关键词和所述症状图谱实体之间的匹配率，包括：

计算所述疾病特征关键词和所述症状图谱实体之间的症状相似度；

计算所述个人信息关键词和所述个人信息图谱实体之间的个人信息相似度；

获取所述症状相似度和所述个人信息相似度的乘积，将所获取的乘积作为所述匹配率。

在一个实施例中，所述当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案，包括：

当所述患病概率大于预设阈值时，确定所述预设慢阻肺知识图谱中与所述属性图谱实体对应的治疗图谱实体，将所述治疗图谱实体设为对应的治疗方案。

在一个实施例中，所述将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率的步骤之前，还包括：

提取存储的与慢阻肺相关的病历信息，将所述病历信息转化为结构化医疗特征；

生成与所述结构化医疗特征对应的实体节点，以及，获取所述实体节点之间对应的关联关系；

根据所述实体节点和对应的所述关联关系构建所述慢阻肺知识图谱。

一种基于知识图谱的慢阻肺疾病诊断装置，包括：

属性信息获取模块，用于获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；

属性关键词提取模块，用于提取所述用户属性信息中的属性关键词；

匹配模块，用于将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；

治疗方案确定模块，用于当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；

提取所述用户属性信息中的属性关键词；

将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；

当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；

提取所述用户属性信息中的属性关键词；

将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；

当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案。

上述基于知识图谱的慢阻肺疾病诊断方法、装置、计算机设备和存储介质，其获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；提取所述用户属性信息中的属性关键词；将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案，利用慢阻肺知识图谱中的图谱实体及实体关系，对慢阻肺疾病进行准确诊断。

附图说明

图1是一个实施例中基于知识图谱的慢阻肺疾病诊断方法的应用环境图；

图2是一个实施例中基于知识图谱的慢阻肺疾病诊断方法流程图；

图3是一个实施例中基于知识图谱的慢阻肺疾病诊断方法流程图；

图4是一个实施例中基于知识图谱的慢阻肺疾病诊断方法流程图；

图5是另一个实施例中基于知识图谱的慢阻肺疾病诊断方法流程图；

图6是一个实施例中基于知识图谱的慢阻肺疾病诊断装置的结构框图；

图7是一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的基于知识图谱的慢阻肺疾病诊断方法，可以应用于如图1所示的应用环境中。其中，服务器104获取用户的用户属性信息；用户属性信息包括疾病特征和用户个人信息；服务器104提取用户属性信息中的属性关键词；服务器104将属性关键词和预设慢阻肺知识图谱相匹配，得到与用户属性信息对应的患病概率；当患病概率大于预设阈值时，服务器104确定与用户属性信息对应的治疗方案，并将治疗方案发送到用户端102。其中，用户端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，基于知识图谱的慢阻肺疾病诊断；服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种基于知识图谱的慢阻肺疾病诊断方法，以该方法应用于图1中的问询服务器104为例进行说明，包括以下步骤：

步骤s201，获取用户的用户属性信息；用户属性信息包括疾病特征和用户个人信息。

其中，用户的属性信息为用户的疾病特征和用户个人信息；疾病特征是指用户的不良症状、症状出现的时间等特征；用户个人信息包括用户的年龄、性别、疾病史等信息。

在具体实施过程中，可以通过收集用户端发送的用户的电子病历得到用户的属性信息。

步骤s202，提取用户属性信息中的属性关键词。

其中，属性关键词是指用户属性信息中的具有有效信息的词。

在具体实施过程中，由于电子病历中可能还有一些无效信息，或者电子病历的疾病特征或者用户个人信息中还具有一些虚词，因此，需要对所获取的用户属性信息进行拆分，提取其中有效的属性关键词，过滤掉无效的虚词或者其他无效信息。

步骤s203，将属性关键词和预设慢阻肺知识图谱相匹配，得到与用户属性信息对应的患病概率。

其中，知识图谱(knowledgegraph)是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。慢阻肺知识图谱可以记录慢阻肺的病因、诊断、预防、临床表现等信息。

在具体实施过程中，慢阻肺知识图谱可以包括多个图谱实体以及图谱实体之间的实体关系。图谱实体可以包括某种药物通用名、药物俗称、症状、患病概率等的内容。实体关系可以包括用法用量、适应症、不良反应、禁忌等的内容。

实际应用中，可以将图谱实体和实体关系的数据，录入至neo4j(一种图形数据库)图数据库，以建立起慢阻肺疾病知识图谱。其中，neo4j是一个高性能的nosql(notonlysql，非关系型数据库)图形数据库，它将结构化数据存储在网络上而不是表中。

在具体实施过程中，查询和提取的用户属性关键词对应的图谱实体，就可以查询和属性关键词对应的患病概率。

步骤s204，当患病概率大于预设阈值时，确定与用户属性信息对应的治疗方案。

其中，预设慢阻肺知识图谱的图谱实体中还包括对应的治疗方案，当用户的患病概率大于预设阈值时，说明用户患病概率较大，有必要针对性进行治疗。

在具体实施过程中，首先查询和属性关键词对应的图谱实体，得到患病概率，然后判断患病概率是否大于预设阈值，当患病概率较大时，查询和属性关键词、患病概率对应的图谱实体，得到对应的治疗方案。

上述基于知识图谱的慢阻肺疾病诊断方法，通过获取用户的用户属性信息；用户属性信息包括疾病特征和用户个人信息；提取用户属性信息中的属性关键词；将属性关键词和预设慢阻肺知识图谱相匹配，得到与用户属性信息对应的患病概率；当患病概率大于预设阈值时，确定与用户属性信息对应的治疗方案，利用慢阻肺知识图谱中的图谱实体及实体关系，对慢阻肺疾病进行准确诊断。

在一个实施例中，如图3所示，获取用户的用户属性信息，包括：

步骤s110，获取用户的电子病历信息。

其中，用户的电子病历信息包括用户的身份信息、性别、年龄、疾病症状等信息。

在具体实施过程中，可以从用户端接收用户的电子病历信息，也可以直接接受用户输入的电子病历信息。

步骤s120，提取电子病历信息中的用户属性信息。

在具体实施过程中，由于电子病历信息中的各信息都设置有对应的信息类别，查询和属性信息对应的病历信息，就可以提取电子病历信息中的用户属性信息。

在一个实施例中，如图4所示，提取用户属性信息中的属性关键词，包括：

步骤s210，将用户属性信息进行分词，得到属性分词。

其中，分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。

步骤s220，对属性分词进行词性标注，得到属性分词的分词词性。

在具体实施过程中，将分词得到的词语，作为语句分词，然后对各个语句分词进行词性标注。词性标注(part-of-speechtagging)，又称为词类标注或者简称标注，是指为语句分词中的每个单词标注一个正确的词性的程序，也即确定每个词是名词、动词、形容词或者其他词性的过程。例如，标注某个词语为主语、谓语、宾语、语气词、助词等的词性。

步骤s230，根据属性分词的分词词性，确定属性分词中的属性关键词。

在具体实施过程中，对用户属性信息进行句法分析，根据属性分词所标注的词性，在用户属性信息中筛选出属性关键词。

根据本申请实施例的技术方案，通过分词和词性标注，确定用户属性信息中各个分词的分词词性，并根据分词词性确定属性关键词，从而可以准确地确定属性关键词，提升了对慢阻肺疾病问题进行回答的准确性。

在一个实施例中，如图5所示，预设慢阻肺知识图谱包括图谱实体，不同图谱实体之间具有图谱关系；将属性关键词和预设慢阻肺知识图谱相匹配，得到与用户属性信息对应的患病概率，包括：

步骤s310，确定预设慢阻肺知识图谱中的属性图谱实体。

在具体实施过程中，预设慢阻肺知识图谱可以包括多个图谱实体以及图谱实体之间的实体关系。图谱实体可以包括某种药物通用名、药物俗称、症状、患病概率等的内容。实体关系可以包括用法用量、适应症、不良反应、禁忌等的内容。查询慢阻肺知识图谱中代表症状和用户个人信息的图谱实体。

步骤s320，获取属性关键词和属性图谱实体之间的匹配率，将匹配率设为与用户属性信息对应的患病概率。

在具体实施过程中，可以计算属性关键词和属性图谱实体之间的相似度，作为属性关键词和属性图谱实体之间的匹配率。

在另一种实施过程中，也可以预先设置数据库，数据库中存储有多种属性图谱实体，还设置有多种属性关键词，各属性关键词和各图谱实体之间设定有匹配率，只需输入属性关键词和属性图谱实体，就可以查询和属性关键词、属性图谱实体对应的匹配率。

在一个实施例中，属性关键词包括疾病特征关键词和个人信息关键词；属性图谱实体包括症状图谱实体和个人信息图谱实体；获取属性关键词和症状图谱实体之间的匹配率，包括：

计算疾病特征关键词和症状图谱实体之间的症状相似度；计算个人信息关键词和个人信息图谱实体之间的个人信息相似度；获取症状相似度和个人信息相似度的乘积，将所获取的乘积作为匹配率。

在具体实施过程中，计算疾病特征关键词和症状图谱实体之间的症状相似度，然后计算个人信息关键词和个人信息图谱实体之间的个人信息相似度，将症状相似度和个人信息相似度相乘，得到患病概率。

在一个实施例中，当患病概率大于预设阈值时，确定与用户属性信息对应的治疗方案，包括：

当患病概率大于预设阈值时，确定预设慢阻肺知识图谱中与属性图谱实体对应的治疗图谱实体，将治疗图谱实体设为对应的治疗方案。

在具体实施过程中，当用户患病概率大于预设阈值时，说明用户属性比较符合慢阻肺疾病属性，用户的患病概率较大，查询和属性图谱实体对应的治疗图谱实体，可以得到对应的治疗方案，然后将治疗方案发送给用户。

在一个实施例中，将属性关键词和预设慢阻肺知识图谱相匹配，得到与用户属性信息对应的患病概率的步骤之前，还包括：

提取存储的与慢阻肺相关的病历信息，将病历信息转化为结构化医疗特征；生成与结构化医疗特征对应的实体节点，以及，获取实体节点之间对应的关联关系；根据实体节点和对应的关联关系构建慢阻肺知识图谱。

在具体实施过程中，可以导入多个患者的电子病历，然后从电子病历中，提取出原始的、非结构化的病历信息，将原始病历信息转换为结构化医疗特征，生成结构化医疗特征对应的实体节点，构建实体节点及实体节点之间的关联关系，从而构建出医疗知识图谱。

应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种基于知识图谱的慢阻肺疾病诊断装置，包括：

属性信息获取模块601，用于获取用户的用户属性信息；用户属性信息包括疾病特征和用户个人信息；

属性关键词提取模块602，用于提取用户属性信息中的属性关键词；

匹配模块603，用于将属性关键词和预设慢阻肺知识图谱相匹配，得到与用户属性信息对应的患病概率；

治疗方案确定模块604，用于当患病概率大于预设阈值时，确定与用户属性信息对应的治疗方案。

在一个实施例中，属性信息获取模块601包括：

电子病历获取单元，用于获取用户的电子病历信息；

属性信息提取单元，用于提取电子病历信息中的用户属性信息。

在一个实施例中，属性关键词提取模块602包括：

分词单元，用于将用户属性信息进行分词，得到属性分词；

词性标注单元，用于对属性分词进行词性标注，得到属性分词的分词词性；

属性关键词确定单元，用于根据属性分词的分词词性，确定属性分词中的属性关键词。

在一个实施例中，预设慢阻肺知识图谱包括图谱实体，不同图谱实体之间具有图谱关系；匹配模块603包括：

属性图谱实体确定单元，用于确定预设慢阻肺知识图谱中的属性图谱实体；

匹配率获取单元，用于获取属性关键词和属性图谱实体之间的匹配率，将匹配率设为与用户属性信息对应的患病概率。

在一个实施例中，属性关键词包括疾病特征关键词和个人信息关键词；属性图谱实体包括症状图谱实体和个人信息图谱实体；匹配率获取单元具体用于：

计算疾病特征关键词和症状图谱实体之间的症状相似度；计算个人信息关键词和个人信息图谱实体之间的个人信息相似度；

获取症状相似度和个人信息相似度的乘积，将所获取的乘积作为匹配率。

在一个实施例中，治疗方案确定模块604具体用于：当患病概率大于预设阈值时，确定预设慢阻肺知识图谱中与属性图谱实体对应的治疗图谱实体，将治疗图谱实体设为对应的治疗方案。

在一个实施例中，基于知识图谱的慢阻肺疾病诊断装置，还包括：

医疗特征获取模块，用于提取存储的与慢阻肺相关的病历信息，将病历信息转化为结构化医疗特征；

实体节点获取模块，用于生成与结构化医疗特征对应的实体节点，以及，获取实体节点之间对应的关联关系；

慢阻肺知识图谱构建模块，用于根据实体节点和对应的关联关系构建慢阻肺知识图谱。

关于基于知识图谱的慢阻肺疾病诊断装置、基于知识图谱的慢阻肺疾病诊断系统的具体限定可以参见上文中对于基于知识图谱的慢阻肺疾病诊断方法的限定，在此不再赘述。上述基于知识图谱的慢阻肺疾病诊断装置、基于知识图谱的慢阻肺疾病诊断系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

上述提供的基于知识图谱的慢阻肺疾病诊断装置、基于知识图谱的慢阻肺疾病诊断系统可用于执行上述任意实施例提供的基于知识图谱的慢阻肺疾病诊断方法，具备相应的功能和有益效果。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于知识图谱的慢阻肺疾病诊断方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；提取所述用户属性信息中的属性关键词；将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案。

在一个实施例中，处理器执行计算机程序时所述获取用户的用户属性信息，包括：获取用户的电子病历信息；提取所述电子病历信息中的用户属性信息。

在一个实施例中，处理器执行计算机程序时提取所述用户属性信息中的属性关键词，包括：将所述用户属性信息进行分词，得到属性分词；对所述属性分词进行词性标注，得到所述属性分词的分词词性；根据所述属性分词的分词词性，确定所述属性分词中的所述属性关键词。

在一个实施例中，处理器执行计算机程序时所述预设慢阻肺知识图谱包括图谱实体，不同图谱实体之间具有图谱关系；所述将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率，包括：确定所述预设慢阻肺知识图谱中的属性图谱实体；获取所述属性关键词和所述属性图谱实体之间的匹配率，将所述匹配率设为与所述用户属性信息对应的患病概率。

在一个实施例中，处理器执行计算机程序时所述属性关键词包括疾病特征关键词和个人信息关键词；所述属性图谱实体包括症状图谱实体和个人信息图谱实体；所述获取所述属性关键词和所述症状图谱实体之间的匹配率，包括：计算所述疾病特征关键词和所述症状图谱实体之间的症状相似度；计算所述个人信息关键词和所述个人信息图谱实体之间的个人信息相似度；获取所述症状相似度和所述个人信息相似度的乘积，将所获取的乘积作为所述匹配率。

在一个实施例中，处理器执行计算机程序时所述当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案，包括：当所述患病概率大于预设阈值时，确定所述预设慢阻肺知识图谱中与所述属性图谱实体对应的治疗图谱实体，将所述治疗图谱实体设为对应的治疗方案。

在一个实施例中，处理器执行计算机程序时所述将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率的步骤之前，还包括：提取存储的与慢阻肺相关的病历信息，将所述病历信息转化为结构化医疗特征；生成与所述结构化医疗特征对应的实体节点，以及，获取所述实体节点之间对应的关联关系；根据所述实体节点和对应的所述关联关系构建所述慢阻肺知识图谱。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取用户的用户属性信息；所述用户属性信息包括疾病特征和用户个人信息；提取所述用户属性信息中的属性关键词；将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率；当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案。

在一个实施例中，计算机程序被处理器执行时所述获取用户的用户属性信息，包括：获取用户的电子病历信息；提取所述电子病历信息中的用户属性信息。

在一个实施例中，计算机程序被处理器执行时提取所述用户属性信息中的属性关键词，包括：将所述用户属性信息进行分词，得到属性分词；对所述属性分词进行词性标注，得到所述属性分词的分词词性；根据所述属性分词的分词词性，确定所述属性分词中的所述属性关键词。

在一个实施例中，计算机程序被处理器执行时所述预设慢阻肺知识图谱包括图谱实体，不同图谱实体之间具有图谱关系；所述将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率，包括：确定所述预设慢阻肺知识图谱中的属性图谱实体；获取所述属性关键词和所述属性图谱实体之间的匹配率，将所述匹配率设为与所述用户属性信息对应的患病概率。

在一个实施例中，计算机程序被处理器执行时所述属性关键词包括疾病特征关键词和个人信息关键词；所述属性图谱实体包括症状图谱实体和个人信息图谱实体；所述获取所述属性关键词和所述症状图谱实体之间的匹配率，包括：计算所述疾病特征关键词和所述症状图谱实体之间的症状相似度；计算所述个人信息关键词和所述个人信息图谱实体之间的个人信息相似度；获取所述症状相似度和所述个人信息相似度的乘积，将所获取的乘积作为所述匹配率。

在一个实施例中，计算机程序被处理器执行时所述当所述患病概率大于预设阈值时，确定与所述用户属性信息对应的治疗方案，包括：当所述患病概率大于预设阈值时，确定所述预设慢阻肺知识图谱中与所述属性图谱实体对应的治疗图谱实体，将所述治疗图谱实体设为对应的治疗方案。

在一个实施例中，计算机程序被处理器执行时所述将所述属性关键词和预设慢阻肺知识图谱相匹配，得到与所述用户属性信息对应的患病概率的步骤之前，还包括：提取存储的与慢阻肺相关的病历信息，将所述病历信息转化为结构化医疗特征；生成与所述结构化医疗特征对应的实体节点，以及，获取所述实体节点之间对应的关联关系；根据所述实体节点和对应的所述关联关系构建所述慢阻肺知识图谱。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。