收稿日期：2014－05－12

基金項目：廣東省中醫(yī)藥局建設中醫(yī)藥強省科研項目(20122108)。

作者簡介：薛永剛(1976-)，男，河南開封人，博士，講師，主要研究方向: 人工智能、智能決策、宏觀經(jīng)濟政策;

張明麗(1974-)，女，河南開封人，碩士，講師，主要研究方向：國民經(jīng)濟學、醫(yī)藥物流。

摘要：中醫(yī)藥領域的電子商務形式給傳統(tǒng)的面對面的中醫(yī)診療帶來了困難，并阻礙了該領域電子商務的發(fā)展。提出基于自聯(lián)想記憶專家系統(tǒng)，將中醫(yī)體質(zhì)及其癥狀編碼為正交向量構成的正交矩陣，并建立模擬中醫(yī)診療過程中專家經(jīng)驗的聯(lián)想記憶矩陣，最終建立了可在BtoC電子商務環(huán)境中進行中醫(yī)體質(zhì)診療的專家系統(tǒng)，該專家系統(tǒng)將有效促進中醫(yī)藥領域的電子商務的發(fā)展。

關鍵詞：診療系統(tǒng)；中醫(yī)體質(zhì)；專家系統(tǒng)

中圖分類號：TP393文獻標識碼：A文章編號：2095-2163（2014）03-0095-03

Research on Intelligent Diagnosis System of TCM

Constitution in BtoC Electronic Commerce

XUE Yonggang， ZHANG Mingli

(Department of Medical Business， Guangdong Pharmaceutical College ， Guangzhou 510006，China)

Abstract：The electronic commerce for TCM field brings some difficulty in TCM diagnosis face to face， which blocks the development of the electronic commerce. The paper codes the TCM constitution and the symptoms with orthogonal vectors firstly， and establishes the associative memory matrix following the lead of specialist experience， therefore builds up the expert system performing automatic TCM constitution diagnosis in the environment of Btoc electronic Commerce. The diagnosis system can promote the development of electronic commerce in TCM.

Key words：Diagnosis System; TCM Constitution; Expert System

0引言

電子商務近年來在我國發(fā)展迅速，尤其是BtoC形式的電子商務模式正逐漸為人們所接受，這一種新的商務模式在給人們帶來了快捷、便利購物體驗的同時，也提供了一種全新的商務模式。目前我國傳統(tǒng)中醫(yī)藥領域的電子商務發(fā)展過程中也隨之遭遇了一些新問題，例如人們消費時多會希望能夠得到如同在實體藥店消費時中醫(yī)專家的指導，而電子商務的特點卻使得傳統(tǒng)醫(yī)師的面對面診斷不再簡易可行，因此在中醫(yī)藥領域的電子商務系統(tǒng)中迫切需要智能診療系統(tǒng)的相應支撐。本文即以中醫(yī)藥領域BtoC電子商務為背景，針對目前人們逐漸重視的中醫(yī)養(yǎng)生中的個人體質(zhì)的識別問題，提出建立電子商務環(huán)境下的中醫(yī)體質(zhì)智能診療系統(tǒng)，為中醫(yī)藥相關領域的BtoC電子商務的發(fā)展創(chuàng)造了更好的基礎性支撐條件。

1文獻回顧

與本研究相關的前期文獻主要可分為兩個方面，一方面是關于中醫(yī)診療智能系統(tǒng)的研究，另一方面則是電子商務中相關智能技術的應用研究。Andrés Pomi(2006)提出了上下文相關的自記憶模型，研究表明記憶矩陣模型能夠當作自動醫(yī)學診斷，新信息的加入即可有效縮小診斷范圍，并提高疾病診斷的準確性［1］；Guo-Ping Liu(2010) 結(jié)合中醫(yī)對冠心病診療過程中存在的問題，提出了基于多標簽學習技術的中醫(yī)治療冠心病的標準化診斷方法，實踐證明該診斷方法能夠解決傳統(tǒng)診療方法中的明顯不足［2］；FuFeng Li et.al（2012）采用計算機輔助分類方法，并以舌像數(shù)據(jù)為基礎輔助中醫(yī)做出的舌診診斷，研究表明SVM分類算法可以更加準確地實現(xiàn)中醫(yī)診斷中的舌像分析［3］；Wei Wang et.al(2014) 結(jié)合中醫(yī)觀點，分析了亞健康狀態(tài)問卷不足之處，并進一步提出了中醫(yī)中的人體健康狀況的整體觀［4］。

更多的研究也隨著電子商務在我國的不斷發(fā)展而日漸推進和展開，諸如有關智能相關技術在電子商務系統(tǒng)中的應用研究，具體說來，即有，沈慧（2007）借助于經(jīng)濟學中的非完全信息動態(tài)博弈方法，而且結(jié)合人工智能的Agent 技術，由此而解決了消費者購買行為模式中的智能協(xié)商問題［5］；許卓明（2003）則研究了Ontology在B2B 電子商務產(chǎn)品信息集成中的作用，特別是在文檔集成和內(nèi)容管理中的作用， 這就在一定程度上解決了B2B 電子商務發(fā)展的瓶頸問題［6］；薛慧君(2005)研究發(fā)現(xiàn)了數(shù)據(jù)挖掘在電子商務的應用中，在選擇一種數(shù)據(jù)挖掘技術時應根據(jù)商業(yè)問題的特點來選用數(shù)據(jù)挖掘形式，同時還應該選擇符合數(shù)據(jù)模型的算法，再進一步確定合適的模型和參數(shù)，只有這樣才能發(fā)揮數(shù)據(jù)挖掘技術的真正作用，并使企業(yè)在激烈的市場競爭中做出正確的決策，從而保持競爭優(yōu)勢［7］；吳剛（2004）又提出以移動Agent為解決復雜、動態(tài)、分布式智能應用所提出的一種全新的計算方式，并以其良好的智能性、動態(tài)性和移動性而為電子商務的智能資源發(fā)現(xiàn)和網(wǎng)上自動交易提供高效的技術支持［8］。

2自聯(lián)想記憶專家系統(tǒng)模型

本文即以Andrés Pomi（2006）提出的自聯(lián)想記憶專家系統(tǒng)（autoassociative memories as expert systems）模型作為相關的研究基礎。自聯(lián)想記憶是帶有人類記憶特征的神經(jīng)網(wǎng)絡模型，記憶中的相關聯(lián)對可通過矩陣系數(shù)進行有層次和分布式的存儲，而矩陣記憶模型則是內(nèi)容尋址和容許錯誤的，這就代表了模擬人類的概括能力。

對于上下文相關的聯(lián)想記憶M，作為一個基本的專家系統(tǒng)則是一個矩陣，具體如下：

M=∑ki=1di(di∑j(i)sj)T（1）

其中，di是行向量，對應本文研究中需要診斷的k種體質(zhì)，并且q0ucksu是選擇正交矩陣；sj(i)是行向量，對應第i種體質(zhì)的征兆或者跡象，{S}同樣也是正交向量；每種體質(zhì)的征兆向量集合則可以重疊。是矩陣的Kronecker乘積，假設有矩陣A和B，則

AB=a(i， j)·B（2）第3期薛永剛，等：BtoC電子商務模式中中醫(yī)體質(zhì)智能診療系統(tǒng)研究智能計算機與應用第4卷

根據(jù)矩陣的Kronecker乘積定義，M矩陣可以看作自聯(lián)想矩陣didiT和第i種體質(zhì)對應的征兆和的行向量的Kronecker乘積的擴展矩陣，即：

M=∑ki=1didiT∑j(i)sTj（3）

通過給上下文相關的自聯(lián)想模型M輸入體質(zhì)征兆或者跡象，智能診療系統(tǒng)就可以得到與征兆相關的體質(zhì)的可能性，或者在條件足夠的情況下更可以得到單個體質(zhì)的準確診斷結(jié)果。

在靜態(tài)條件下，系統(tǒng)是在基于無差異狀態(tài)信息基礎上進行工作。如果將每個體質(zhì)狀態(tài)信息輸入一次，即構成了診療系統(tǒng)的初始記憶模型，而在該模型狀態(tài)中，每種體質(zhì)都具有相同的權重，具體如公式（4）所示：

M(gIn×n)=∑i〈di， g〉di(∑j(i)sj)T=∑idi(∑j(i)sj)T(4)

其中，g=∑idi，I是n×n的單位陣。

公式（4）表明，經(jīng)過初始化以后，上下文相關的記憶模型變成了一個經(jīng)典的中醫(yī)體質(zhì)和癥狀關聯(lián)的記憶模型，如果有足夠多的癥狀輸入建立的自聯(lián)想記憶模型中（σ=∑s），經(jīng)過迭代以后，最終即可得到確定的診斷結(jié)果。

該診療系統(tǒng)運行中，如果對應每種體質(zhì)的癥狀是非相交集合{sj(i)}，則針對其中的單個癥狀sj(i)，診療系統(tǒng)即可基于中醫(yī)體質(zhì)di做出單義性診斷；否則，診療系統(tǒng)的輸出應該是可能體質(zhì)類型的一個線性組合，而每種體質(zhì)的可能性（或者說權重）則是實際癥狀集合（σ）和每種體質(zhì)對應的癥狀集合，并且∑idi＜∑j(i)sj，σ＞di。

3中醫(yī)體質(zhì)智能診療系統(tǒng)算法分析

隨著生活水平的提高，人們更加關注自己的健康狀況，并且已經(jīng)逐漸轉(zhuǎn)變成對疾病的提前預防。為了保持身體的健康狀態(tài)，我國中醫(yī)理論及長期實踐均有證明其在身體保健中具有相當明顯的獨家優(yōu)勢。在中醫(yī)保健中，體質(zhì)辨識是一個重要步驟，針對不同體質(zhì)人群，中醫(yī)可給出不同特色的調(diào)養(yǎng)及保健建議。因此本文擬針對目前我國已蓬勃發(fā)展的BtoC的電子商務背景，設計開發(fā)一個智能化的中醫(yī)體質(zhì)診療系統(tǒng)，這樣消費者即可通過網(wǎng)絡簡單直接地識別自己的體質(zhì)類型，并且可更具針對性地開展保健以及相關消費行為，由此而必將對中醫(yī)藥相關的BtoC領域的發(fā)展及創(chuàng)新起到重要的現(xiàn)實推動作用。

本文研究的中醫(yī)體質(zhì)主要按照王琦教授提出的9類體質(zhì)劃分方法［9］，其中各類的典型體質(zhì)特征如表1所示。

表1中醫(yī)體質(zhì)分類及主要癥狀表現(xiàn)

Tab.1TCM constitution classification and the main symptoms體質(zhì)類型（di）主要癥狀表現(xiàn)（si）平和質(zhì) (A型)面色、膚色潤澤，頭發(fā)稠密有光澤，目光有神，鼻色明潤，嗅覺通利，唇色紅潤，不易疲勞，精力充沛，耐受寒熱，睡眠良好，胃納佳，二便正常，舌色淡紅，苔薄白，脈和緩有力氣虛質(zhì) (B型)平素語音低弱，氣短懶言，容易疲乏，精神不振，易出汗，舌淡紅，舌邊有齒痕，脈弱陽虛質(zhì) (C型)平素畏冷，手足不溫，喜熱飲食，精神不振，舌淡胖嫩，脈沉遲陰虛質(zhì) (D型)手足心熱，口燥咽干，鼻微干，喜冷飲，大便干燥，舌紅少津，脈細數(shù)痰濕質(zhì) (E型)面部皮膚油脂較多，多汗且黏，胸悶，痰多，口黏膩或甜，喜食肥甘甜黏，苔膩，脈滑濕熱質(zhì) (F型)面垢油光，易生痤瘡，口苦口干，身重困倦，大便黏滯不暢或燥結(jié)，小便短黃，男性易陰囊潮濕，女性易帶下增多，舌質(zhì)偏紅，苔黃膩，脈滑數(shù)血瘀質(zhì) (G型)膚色晦黯，色素沉著，容易出現(xiàn)瘀斑，口唇黯淡，舌黯或有瘀點，舌下絡脈紫黯或增粗，脈澀氣郁質(zhì) (H型)神情抑郁，情感脆弱，煩悶不樂，舌淡紅，苔薄白，脈弦特稟質(zhì) (I型)過敏體質(zhì)者常見哮喘、風團、咽癢、鼻塞、噴嚏等；患遺傳性疾病者有垂直遺傳、先天性、家族性特征；患胎傳性疾病者具有母體影響胎兒個體生長發(fā)育及相關疾病特征

由表1可以看出，除了脈象以外各種體質(zhì)的大多數(shù)癥狀均可由消費者自行判斷［10］，因此就能在BtoC電子商務系統(tǒng)中通過勾選網(wǎng)頁中的復選框等方法讓消費者輸入自身的相關癥狀，隨后系統(tǒng)將會基于本文第2部分描述的智能診療系統(tǒng)對該位消費者的體質(zhì)類型做出精確判斷。本文提出的中醫(yī)體質(zhì)智能診療系統(tǒng)的模型建立及工作過程主要可做如下論述。

3.1建立診療系統(tǒng)模型

首先對每種體質(zhì)編碼，構成中醫(yī)體質(zhì)矩陣，該矩陣是正交向量構成，在此即構建矩陣如下：

D=［d1d2d3d4d5d6d7d8d9］=100000000

010000000

001000000

000100000

000010000

000001000

000000100

000000010

000000001（5）

其中，［d1d2d3d4d5d6d7d8d9］分別代表平和質(zhì) (A型)、氣虛質(zhì) (B型)、陽虛質(zhì) (C型)、陰虛質(zhì) (D型)、痰濕質(zhì) (E型)、濕熱質(zhì) (F型)、 血瘀質(zhì) (G型)、氣郁質(zhì) (H型)、特稟質(zhì) (I型)的九種中醫(yī)體質(zhì)類型。

其后，構建癥狀矩陣。構造方法是將表1中的不同癥狀用正交向量表示，并相應地構成癥狀矩陣如下（為節(jié)省篇幅，沒有具體列出各種癥狀的向量）：

S=［s1s2s3…sn］

癥狀矩陣S表示了當進行中醫(yī)體質(zhì)分類時，共有n種癥狀表現(xiàn)需要考慮。

當下，基于公式(1) M=∑ki=1di(di∑j(i)sj)T ，并根據(jù)對中醫(yī)體質(zhì)以及相關癥狀的編碼矩陣D和S，建立得到每種體質(zhì)的記憶矩陣，最終累加構成整個中醫(yī)體質(zhì)智能診療系統(tǒng)的自聯(lián)想記憶矩陣M。

3.2專家系統(tǒng)工作過程

初始化系統(tǒng)狀態(tài)：

gT=(d1+d2+…+d9)=［111111111］

根據(jù)用戶輸入的癥狀，不失一般性，假設為si，則

h1=gsi

此時診療系統(tǒng)輸出為output(1)=Mh1

如果有新的癥狀sj輸入系統(tǒng)，則h2=output(1)sj

此時診療系統(tǒng)輸出為output(2)=Mh2

這個過程不斷迭代，直到所有癥狀輸入智能診療系統(tǒng)，最后結(jié)果可能將得到一種確定性的診斷結(jié)果，即某種確定的中醫(yī)體質(zhì)類型，或者是多種體質(zhì)類型的概率組合。

4結(jié)束語

本文針對目前我國中醫(yī)保健的實際需求，提出在BtoC電子商務背景下建立中醫(yī)體質(zhì)智能診療系統(tǒng)，該系統(tǒng)以自聯(lián)想記憶專家系統(tǒng)為基礎，通過將中醫(yī)體質(zhì)類型及其主要癥狀編碼為正交向量后，建立了中醫(yī)體質(zhì)診療系統(tǒng)的聯(lián)想記憶矩陣，并且又給出了在網(wǎng)絡環(huán)境下消費者輸入自身癥狀后，這一診療系統(tǒng)的運行過程及算法步驟。系統(tǒng)分析表明該模型可以滿足中醫(yī)體質(zhì)診療系統(tǒng)的需求，并結(jié)合相關網(wǎng)絡技術，可以為中醫(yī)藥領域BtoC系統(tǒng)提供一種有效的中醫(yī)輔助診療系統(tǒng)，由此將對中醫(yī)藥電子商務的發(fā)展提供必要且有利的支撐。

參考文獻：

［1］POMI A， OLIVERA F. Context-sensitive autoassociative memories as expert systems in medical diagnosis［J］．BMC Medical Informatics and Decision Making， 2006， 6:36-47.

［2］LIU Guo-Ping， et.al. Modelling of inquiry diagnosis for coronary heart disease in traditional Chinese medicine by using multi-label learning［J］．BMC Complementary and Alternative Medicine， 2010， 10:37-49.

［3］LI FuFeng， et.al.Computer-assisted lip diagnosis on traditional Chinese medicine using multi-class support vector machines［J］．BMC Complementary and Alternative Medicine， 2012， 12:127-140.

［4］WANG Wei， et.al.Traditional Chinese medicine and new concepts of predictive， preventive and personalized medicine in diagnosis and treatment of suboptimal health［J］.The EPMA Journal， 2014， 5:4-13.

［5］沈慧，潘郁.CBB模式中基于動態(tài)博弈的智能協(xié)商［J］.計算機工程，2007(6): 185-190.

［6］許卓明，王霞，張艷麗.本體技術及其在B2B電子商務信息集成中的應用［J］.計算機應用研究，2003(2):44-47.

［7］薛慧君，旭日.數(shù)據(jù)挖掘技術及其在電子商務中的應用研究［J］.內(nèi)蒙古農(nóng)業(yè)大學學報，2005(4):86-90.

［8］吳剛，楊風召.移動Agent 及其在電子商務中的應用技術研究［J］.南京財經(jīng)大學學報，2004(1):57-63.

［9］王琦.辯體-辯病-辨證診療模式-中醫(yī)體質(zhì)理論的臨床應用［M］.北京:中國中醫(yī)藥出版社，2006:128-135.

［10］王天寶.成都地區(qū)扁平疣患者中醫(yī)體質(zhì)類型的初步調(diào)查研究［D］.成都:成都中醫(yī)藥大學，2011.