，，，，

花粉過敏癥，簡稱“花粉癥(Polinosis)”，是最具代表性的變態(tài)反應(yīng)疾病之一。隨著社會工業(yè)化進程的加速，花粉癥發(fā)病率迅速上升，已成為世界性衛(wèi)生問題，被 WHO 列入21世紀重點防治的三大疾病之一[1-2]。預(yù)計在今后20年內(nèi)，工業(yè)化國家50%的人將患上花粉癥[3]?；ǚ郯Y發(fā)病率逐年上升，但卻難以根治?；ǚ郯Y患者由于每年與過敏原不可避免地反復(fù)接觸，疾病不斷復(fù)發(fā)，癥狀逐漸加重，甚至危及生命[4]。因此，如何提高公民花粉過敏預(yù)防意識，為其提供便捷的防治信息，為花粉癥患者提供全面而準確的花粉過敏預(yù)警信息，為從事變態(tài)反應(yīng)工作的科研人員提供基本的花粉癥參考資料等，對有效降低我國花粉癥發(fā)病率和減少衛(wèi)生經(jīng)濟負擔(dān)都具有非常重要的現(xiàn)實意義。筆者結(jié)合自然語言處理、光學(xué)字符識別(Optical Character Recognition，OCR)、信息可視化、信息檢索等技術(shù)，構(gòu)建一個基于花粉過敏的知識服務(wù)與過敏預(yù)警分析系統(tǒng)，為用戶提供知識科普、知識圖譜、知識檢索和花粉過敏預(yù)警等服務(wù)。

本文首先對花粉過敏預(yù)警系統(tǒng)的相關(guān)研究進行評述，并介紹現(xiàn)有的幾種花粉過敏預(yù)警模型；其次是介紹所構(gòu)建的花粉癥知識圖譜與過敏預(yù)警分析系統(tǒng)的整體思路和系統(tǒng)架構(gòu)，并描述本系統(tǒng)整體架構(gòu)核心功能的實現(xiàn)過程，然后對完成的系統(tǒng)進行評價；最后針對本系統(tǒng)存在的不足就未來研究工作進行展望。

1 現(xiàn)狀分析

1.1 花粉過敏預(yù)警系統(tǒng)的相關(guān)研究

花粉過敏預(yù)警分析系統(tǒng)是隨著花粉癥發(fā)病率逐年上升，為了有效降低花粉癥的發(fā)病率、提高公民預(yù)防意識而產(chǎn)生的過敏預(yù)警系統(tǒng)。國外花粉過敏預(yù)警分析系統(tǒng)起步較早，如美國天氣公司(The Weather Company)開發(fā)的天氣預(yù)報系統(tǒng)“The Weather Channel”[5]將花粉分為樹木、草本、豚草花粉3類，可預(yù)測當日及未來7天某城市的花粉濃度和呼吸舒適度；艾美仕市場研究公司開發(fā)的花粉過敏預(yù)警網(wǎng)站“Pollen.com”[6]將花粉分為草本和樹木兩類，可預(yù)測美國各地區(qū)當日及未來5天花粉過敏的風(fēng)險程度，并提供過去30天該地區(qū)的歷史花粉濃度。我國對于花粉癥的研究起步較晚，20世紀80年代才開展了第一次大范圍的氣傳致敏花粉分布狀況調(diào)查工作。我國現(xiàn)有系統(tǒng)主要面臨以下問題：鮮見獨立花粉過敏預(yù)警系統(tǒng)，花粉過敏預(yù)警多為其他主題系統(tǒng)的子功能模塊，位置較為隱秘，不便于用戶查看信息，如上海氣象局花粉濃度指數(shù)的預(yù)報[7]；系統(tǒng)服務(wù)內(nèi)容較為單一，僅提供花粉濃度報告、過敏預(yù)警或相關(guān)預(yù)防指南，未向用戶提供花粉過敏病因、癥狀及防治信息，較難提高公民花粉過敏預(yù)防意識及為其提供相關(guān)便捷信息服務(wù)；花粉過敏預(yù)警功能不成熟，缺乏精確性，且某些系統(tǒng)并不能保證每日為用戶提供花粉過敏預(yù)警的信息，嚴重影響了系統(tǒng)的用戶黏性和用戶對系統(tǒng)預(yù)測結(jié)果的信任度。因此開發(fā)專業(yè)的花粉癥知識科普及過敏預(yù)警分析系統(tǒng)勢在必行。

1.2 過敏預(yù)警算法

國內(nèi)外學(xué)者對花粉過敏預(yù)測算法研究較少，比較流行的有神經(jīng)網(wǎng)絡(luò)模型和多元回歸算法。如Puc[8]采用人工神經(jīng)網(wǎng)絡(luò)預(yù)測日平均樺樹花粉濃度，Sánchez-Mesa等[9]利用共生演化神經(jīng)網(wǎng)絡(luò)模型預(yù)測波蘭樺樹每日花粉濃度。Kim等人[10]改進了傳統(tǒng)的回歸模型，開發(fā)了一種綜合建模方法，首先使用威布爾概率密度函數(shù)確定空氣傳播花粉的最大可能性，然后使用多元回歸模型估計每日花粉濃度。該模型成功預(yù)測了韓國2010-2012年花粉過敏風(fēng)險等級，準確率可達85%～95%。吳振玲等[11]使用1999-2004年3-10月天津市河西區(qū)鐵塔花粉監(jiān)測數(shù)據(jù)和氣象資料，利用多元線性和非線性回歸方法分別建立了全花粉季、分季節(jié)(春、夏、秋)、分階段的花粉預(yù)測模型。實驗發(fā)現(xiàn)，除夏季以外，多元非線性預(yù)測模型優(yōu)于多元線性回歸預(yù)測模型，分階段預(yù)測方案優(yōu)于全花粉季和分季節(jié)預(yù)測方案。

利用神經(jīng)網(wǎng)絡(luò)模型預(yù)測花粉濃度是當今研究的熱點，也是未來研究的方向。由于我國具體情況，如歷史花粉濃度數(shù)據(jù)較少且缺乏連續(xù)數(shù)據(jù)，地域遼闊、植物種類較多，四季分明、南北花期差異較大等原因，本系統(tǒng)采用由中國氣象局新技術(shù)推廣項目“花粉檢測預(yù)報與服務(wù)”資助的天津氣象局發(fā)布的氣傳花粉預(yù)測模型——分階段多元非線性預(yù)測模型預(yù)測每日花粉濃度。該模型是根據(jù)整個花粉期的特點，按照花粉量高、低、平穩(wěn)發(fā)展趨勢將花粉期分成6個時段分別建立階段性預(yù)測模型即春季花粉開始至高峰期是階段1，高峰期下降至春季次高峰期為階段2，次高峰期下降至夏季6 月上旬為階段3，6月中旬至8月初為階段4，8月上旬末至秋季高峰期為階段5，高峰期后下降至花粉季結(jié)束為階段6。階段性預(yù)測模型能夠更好地彌補因地區(qū)花期差異帶來的預(yù)測誤差，提高預(yù)測結(jié)果的準確度。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)思路

基于我國當前花粉過敏預(yù)警系統(tǒng)的不足，參考用戶需求和國外花粉過敏預(yù)警系統(tǒng)，筆者認為構(gòu)建花粉癥知識圖譜與過敏預(yù)警分析系統(tǒng)的核心任務(wù)“花粉癥相關(guān)診療數(shù)據(jù)的整合”和“花粉過敏預(yù)警模塊的構(gòu)建”。其實現(xiàn)的具體步驟如下。

2.1.1 知識抽取

利用網(wǎng)絡(luò)爬蟲技術(shù)、API接口和OCR等技術(shù)從期刊、圖書和中國公眾健康網(wǎng)、中國天氣網(wǎng)、百度百科等網(wǎng)站中獲取花粉濃度數(shù)據(jù)、醫(yī)療數(shù)據(jù)、氣象數(shù)據(jù)、地理數(shù)據(jù)。

2.1.2 數(shù)據(jù)融合

首先對獲取的數(shù)據(jù)進行分類存儲，構(gòu)建醫(yī)生、醫(yī)院、藥品和花粉數(shù)據(jù)庫；然后從空間、時間、疾病各維度進行關(guān)聯(lián)分析，構(gòu)建全國氣傳致敏花粉地方譜、月份譜、疾病譜，深度挖掘花粉濃度與地區(qū)、氣候類型、時間之間的關(guān)聯(lián)關(guān)系和氣傳致敏花粉對不同過敏性疾病的陽性反應(yīng)率和地區(qū)、氣候?qū)ζ涞挠绊憽?/p>

2.1.3 知識圖譜

利用構(gòu)建的醫(yī)生、醫(yī)院、藥品數(shù)據(jù)庫，在專家輔助構(gòu)建花粉過敏相關(guān)疾病數(shù)據(jù)模型的基礎(chǔ)上，利用可視化技術(shù)以知識圖譜的形式展示靜態(tài)無法容納或無法表現(xiàn)的花粉過敏診療知識，為用戶提供知識的動態(tài)呈現(xiàn)和更為細粒度的檢索服務(wù)。

2.1.4 過敏預(yù)警

結(jié)合我國國情，本系統(tǒng)引用天津氣象局發(fā)布的花粉過敏預(yù)測模型，首先利用歷史花粉濃度數(shù)據(jù)和氣象數(shù)據(jù)完成花粉濃度預(yù)測，實現(xiàn)花粉過敏預(yù)警功能。其次利用歷史花粉過敏就診率和花粉濃度數(shù)據(jù)，從多方面多角度預(yù)測每日花粉濃度，以期提高預(yù)測結(jié)果準確度。

2.2 系統(tǒng)架構(gòu)

根據(jù)系統(tǒng)設(shè)計思路與SOA架構(gòu)進行系統(tǒng)設(shè)計，本系統(tǒng)架構(gòu)主要分為4個層次(圖1)。

圖1 花粉過敏預(yù)警分析系統(tǒng)總體架構(gòu)

2.2.1 基礎(chǔ)層

基礎(chǔ)層是系統(tǒng)構(gòu)建的基礎(chǔ)保障，包括網(wǎng)絡(luò)系統(tǒng)、服務(wù)器、多媒體設(shè)備等建設(shè)。本系統(tǒng)采用WAMP模式：Windows+Apache+MongoDB+ PHP搭建動態(tài)網(wǎng)站。

2.2.2 數(shù)據(jù)層

數(shù)據(jù)層是系統(tǒng)數(shù)據(jù)資源的保障。本系統(tǒng)采用網(wǎng)絡(luò)爬蟲、數(shù)據(jù)接口等以機器采集為主，人工采集為輔的方式進行多源數(shù)據(jù)采集。數(shù)據(jù)層包括用戶數(shù)據(jù)、醫(yī)療數(shù)據(jù)、地理數(shù)據(jù)、林業(yè)數(shù)據(jù)和氣象數(shù)據(jù)。用戶數(shù)據(jù)指如用戶賬號和密碼、系統(tǒng)推送消息、用戶關(guān)注等個人信息數(shù)據(jù)，醫(yī)療數(shù)據(jù)包括與花粉癥相關(guān)的疾病、醫(yī)生、醫(yī)院、藥品和檢查等數(shù)據(jù)，地理數(shù)據(jù)指全國各城市的氣候類型和地區(qū)分布，林業(yè)數(shù)據(jù)包括氣傳致敏花粉的基本信息、花粉濃度及與花粉過敏相關(guān)的新聞等，氣象數(shù)據(jù)是指各城市的溫度、風(fēng)力、氣壓、降雨量、濕度等氣象信息。

2.2.3 功能層

采集完成的數(shù)據(jù)將通過資源分析管理機制實現(xiàn)資源的有效管理與展現(xiàn)，具體包括首先對收集到的數(shù)據(jù)進行標準化處理和分類整合存儲，然后對數(shù)據(jù)進行數(shù)據(jù)挖掘、關(guān)聯(lián)分析和統(tǒng)計分析，最后以可視化的方式展示分析結(jié)果。

2.2.4 應(yīng)用層

應(yīng)用層展示系統(tǒng)的主要功能包括檢索服務(wù)、知識科普、知識地圖、氣傳致敏花粉地圖、過敏預(yù)警和個性化服務(wù)。

3 核心功能的實現(xiàn)

本系統(tǒng)主要以花粉過敏相關(guān)疾病為核心，實現(xiàn)花粉癥知識圖譜和過敏預(yù)警分析。其核心功能主要包括花粉癥知識圖譜和氣傳致敏花粉地圖的構(gòu)建及過敏預(yù)警的實現(xiàn)，具體實現(xiàn)過程框架見圖2。實現(xiàn)過程分為3個步驟：一是原始數(shù)據(jù)采集及處理，構(gòu)建數(shù)據(jù)庫并建立索引；二是功能模塊實現(xiàn)，系統(tǒng)的主要功能模塊有信息檢索、知識圖譜模塊、花粉地圖模塊和過敏預(yù)警模塊；三是用戶界面設(shè)計和結(jié)果可視化。各個步驟及實現(xiàn)過程中需要解決的問題如下。

圖2 花粉過敏預(yù)警分析系統(tǒng)數(shù)據(jù)集成流程

3.1 原始數(shù)據(jù)的采集及處理

在系統(tǒng)首次數(shù)據(jù)采集中，首先采用人工收集的方式從中國知網(wǎng)和萬方數(shù)據(jù)獲取自2000年1月1日至2017年8月31日涉及實地檢測花粉量和花粉過敏陽性反應(yīng)率的相關(guān)文獻共172篇，鑒于學(xué)術(shù)資源的動態(tài)性，系統(tǒng)根據(jù)需要可實現(xiàn)數(shù)據(jù)的動態(tài)增量獲?。黄浯问抢霉鈱W(xué)字符識別技術(shù)(Optical Character Recognition，OCR)將《中國氣傳花粉和植物彩色圖譜》[12]數(shù)字化，存儲在計算機中作為構(gòu)建花粉數(shù)據(jù)庫的主要數(shù)據(jù)源；第三是利用網(wǎng)絡(luò)爬蟲技術(shù)，爬取“中國公眾健康網(wǎng)”“好大夫在線”和“百度百科”中關(guān)于花粉癥、過敏性鼻炎、蕁麻疹等疾病的概述和相關(guān)診治信息；第四是利用API接口定期采集信息定期采取氣象信息、新聞熱點等更新速度快的數(shù)據(jù)，以保證數(shù)據(jù)的時效性；最后將收集到的數(shù)據(jù)存儲在臨時數(shù)據(jù)庫中，經(jīng)數(shù)據(jù)清洗、轉(zhuǎn)換、規(guī)范化處理、整合后，分類存儲，構(gòu)建醫(yī)院、醫(yī)生、藥品和花粉數(shù)據(jù)庫并建立索引，以便進行后期的數(shù)據(jù)挖掘和分析。

3.2 功能模塊的實現(xiàn)

3.2.1 信息檢索模塊的實現(xiàn)

本模塊包含綜合檢索和專題檢索兩個子模塊。前者主要為有明確檢索目標的用戶提供跨庫檢索服務(wù)，實現(xiàn)對疾病、藥物、醫(yī)生等信息的精確查詢；后者主要為有檢索目的但無明確檢索對象的用戶，因此需要系統(tǒng)利用導(dǎo)航模塊輔助引導(dǎo)用戶進行信息查詢。專題檢索的用戶首先選擇進入某一專題數(shù)據(jù)庫，如醫(yī)生數(shù)據(jù)庫、醫(yī)院數(shù)據(jù)庫、藥品庫或花粉庫，然后通過數(shù)據(jù)庫的導(dǎo)航模塊進行信息查詢。如在醫(yī)院數(shù)據(jù)庫中，用戶首先可利用導(dǎo)航模塊中的“中國地圖”選擇醫(yī)院所在省份，然后通過醫(yī)院等級篩選醫(yī)院或通過模糊匹配的方式查詢醫(yī)院。

3.2.2 知識圖譜模塊的實現(xiàn)

對花粉過敏相關(guān)疾病治療信息的整體把握，有助于提高用戶對花粉過敏的認知及預(yù)防診療的自我意識。如系統(tǒng)地為用戶展示花粉癥的常見并發(fā)癥，需要做的相關(guān)檢查，擅長治療該疾病的醫(yī)生、醫(yī)院及常用藥物。由于此類信息過于龐大，簡單的圖表無法清晰展示，需要利用知識圖譜技術(shù)動態(tài)呈現(xiàn)并管理，靜態(tài)展示無法容納或無法表現(xiàn)的枯燥數(shù)據(jù)，使數(shù)據(jù)變得絢麗震撼。在知識圖譜模塊，我們首先構(gòu)建了一個以花粉過敏相關(guān)疾病為核心的數(shù)據(jù)模型(圖3)，用以指導(dǎo)知識圖譜的構(gòu)建。該數(shù)據(jù)模型包括疾病、并發(fā)癥、藥品、檢查、藥企、醫(yī)生、醫(yī)院7類實體，以及檢查、治療、屬于、生產(chǎn)4種關(guān)系?；谝呀⒌臄?shù)據(jù)模型和醫(yī)生、醫(yī)院、藥品數(shù)據(jù)庫，利用圖存儲技術(shù)將數(shù)據(jù)存儲到Neoj4圖數(shù)據(jù)庫中進行數(shù)據(jù)整合，并以知識圖譜的形式進行可視化展示。該知識圖譜不僅有助于實體關(guān)系間的語義推理，還提供智能搜索功能，支持用戶對知識圖譜進行疾病、實體、關(guān)系篩選。同時，配以智能統(tǒng)計分析服務(wù)，自動為用戶統(tǒng)計知識圖譜中各類實體及關(guān)系的數(shù)量，并推薦與之相關(guān)的醫(yī)生、醫(yī)院、藥品等信息，使用戶對相關(guān)疾病的治療信息一目了然。

圖3 花粉過敏相關(guān)疾病數(shù)據(jù)模型

3.2.3 氣傳致敏花粉地圖模塊的實現(xiàn)

花粉地圖模塊能夠通過跨界數(shù)據(jù)融合和多維關(guān)聯(lián)分析滿足用戶尤其是從事變態(tài)反應(yīng)研究的科研人員關(guān)于我國氣傳致敏花粉的散播情況及月份分布情況、各地區(qū)的花粉高峰期、各城市花粉量散播趨勢、同一疾病對不同花粉類型的過敏陽性反應(yīng)率有何不同、氣傳致敏花粉對常見花粉過敏相關(guān)疾病的陽性反應(yīng)率及地區(qū)不同對其的影響等的信息需求。

在氣傳致敏花粉地圖模塊，我們利用從網(wǎng)絡(luò)中采集的氣象數(shù)據(jù)和地理數(shù)據(jù)，從文獻中獲取的關(guān)于花粉采集時間、地點、取樣器及方法、氣候類型、花粉類型和致敏季節(jié)、花粉數(shù)量等數(shù)據(jù)，從空間、時間、疾病3個維度分別構(gòu)建了全國氣傳致敏花粉地方譜、月份譜和疾病譜。在地方譜部分，首先根據(jù)各省花粉過敏相關(guān)文獻的數(shù)量構(gòu)建“中國氣傳致敏花粉文獻分布地圖”，分省份統(tǒng)計分析各城市各月份的花粉濃度散播趨勢及花粉類型分布情況，為花粉過敏基礎(chǔ)研究提供科學(xué)數(shù)據(jù)；其次根據(jù)我國地理區(qū)劃，分地區(qū)統(tǒng)計各地區(qū)典型城市的花粉濃度和氣候類型，對全國花粉高峰期進行統(tǒng)計分析，并繪制了全國氣傳致敏花粉高峰期列表，探究地區(qū)分布、氣候類型對氣傳致敏花粉高峰期的影響；最后繪制了“典型城市花粉散播趨勢圖”及“兩城市花粉量比較的復(fù)式柱形圖”。在月份譜部分，系統(tǒng)以月份為單位統(tǒng)計分析全國各城市各月份的花粉計數(shù)，并利用環(huán)形圖清晰地展示某月全國各城市花粉量所占比例。在疾病譜部分，系統(tǒng)統(tǒng)計了文獻中各類花粉對不同花粉過敏疾病的陽性反應(yīng)率及各城市的地理分區(qū)和氣候類型，構(gòu)建了氣傳致敏花粉疾病譜列表，探究氣傳致敏花粉與疾病、地區(qū)、氣候類型之間的關(guān)系。

3.2.4 過敏預(yù)警

對于花粉過敏預(yù)警，用戶往往不僅想了解當日的花粉濃度和過敏風(fēng)險，還希望了解未來幾天的花粉濃度及過敏風(fēng)險以便進行提前預(yù)防。針對這一需求，過敏預(yù)警模塊可以通過過敏追蹤、未來展望、文獻預(yù)測滿足用戶的需求。首先，系統(tǒng)利用氣象數(shù)據(jù)及歷史花粉濃度數(shù)據(jù)，根據(jù)天津氣象局發(fā)布的氣傳致敏花粉預(yù)測模型預(yù)測當日及未來7日的花粉濃度；其次根據(jù)中國氣象局發(fā)布的《中華人民共和國氣象行業(yè)標準》中的花粉過敏氣象指數(shù)推測過敏風(fēng)險，并針對預(yù)測結(jié)果給出相應(yīng)建議；最后，系統(tǒng)利用從文獻中采集的氣傳致敏花粉量和歷史就診率構(gòu)建“歷史花粉量散點圖”和“歷史就診率面積圖”，以輔助和佐證實時過敏追蹤和未來展望，提高系統(tǒng)花粉過敏預(yù)警的準確率。

4 系統(tǒng)應(yīng)用與評價

系統(tǒng)以B/S架構(gòu)設(shè)計，使用Java語言編寫，利用Mysql、Neo4j數(shù)據(jù)庫存儲數(shù)據(jù)，并提供基于Web檢索接口，利用Web前端可視化工具D3.js 和ECharts對結(jié)果進行可視化處理。

系統(tǒng)主要向用戶提供花粉過敏相關(guān)疾病知識圖譜服務(wù)和花粉過敏預(yù)警服務(wù)。系統(tǒng)首頁如圖4所示。

圖4 花粉過敏預(yù)警分析系統(tǒng)首頁可視化呈現(xiàn)

4.1 花粉過敏相關(guān)疾病知識圖譜服務(wù)

花粉過敏相關(guān)疾病知識圖譜服務(wù)是從實體粒度層次對花粉過敏相關(guān)疾病的診療知識進行可視化展示，分析挖掘各實體之間的語義關(guān)系。圖5是進入知識圖譜界面的可視化結(jié)果，為用戶呈現(xiàn)了一個包含花粉癥、過敏性鼻炎、過敏性哮喘等6種常見花粉過敏相關(guān)疾病的知識圖譜。系統(tǒng)用不同的顏色代表不同的實體類型，如紅色代表花粉過敏相關(guān)疾病、綠色代表醫(yī)生以方便用戶清晰查找各類實體，知識圖譜中的一個節(jié)點代表一個實體，點擊節(jié)點可見實體的詳細信息。在知識圖譜上方的搜索部分，用戶可自主篩選疾病、實體或關(guān)系的類型，系統(tǒng)將返回相應(yīng)的子圖譜。圖6是用戶檢索“疾病-花粉癥”、“實體-醫(yī)生”的可視化呈現(xiàn)結(jié)果。此外，系統(tǒng)知識圖譜有智能統(tǒng)計分析和推薦功能，系統(tǒng)可自動分析當前知識圖譜中各類實體和關(guān)系的數(shù)量，為用戶推薦疾病的常見檢查及醫(yī)生、藥物、醫(yī)院等信息。知識圖譜的右上角顯示的是分享、保存、放大和縮小功能，支持用戶將當前知識圖譜分享到微博、QQ等社交軟件上進行知識傳遞與共享。

圖5 知識圖譜界面可視化呈現(xiàn)

圖6 花粉癥知識圖譜相關(guān)醫(yī)生的檢索結(jié)果可視化呈現(xiàn)

4.2 過敏預(yù)警服務(wù)

花粉過敏預(yù)警服務(wù)包括過敏追蹤、未來展望、文獻分析預(yù)測及過敏新聞4部分。圖7是2018年6月24日北京市的花粉過敏預(yù)測情況。系統(tǒng)過敏追蹤模塊既可實時定位當前城市，也可點擊過敏追蹤右側(cè)的“切換城市”，查看目標地區(qū)。在過敏預(yù)警界面，系統(tǒng)以生動形象的可視化方式呈現(xiàn)預(yù)警結(jié)果，增強了系統(tǒng)的觀賞性，如以趣味性的象形圖表示花粉濃度，用儀表盤展示當日過敏風(fēng)險，并針對預(yù)測結(jié)果給出相應(yīng)建議。

圖7 過敏預(yù)警界面可視化呈現(xiàn)

5 結(jié)語

隨著我國花粉癥發(fā)病率的持續(xù)上升，構(gòu)建一個能滿足用戶花粉過敏知識服務(wù)和過敏預(yù)警的系統(tǒng)勢在必行。國內(nèi)很多學(xué)者從理論上論證了花粉過敏預(yù)防的重要性，然而卻鮮見關(guān)于花粉過敏知識服務(wù)和過敏預(yù)警系統(tǒng)構(gòu)建的探討。本文從應(yīng)用的角度出發(fā)設(shè)計了一個花粉癥知識圖譜與過敏預(yù)警分析系統(tǒng)，并采用網(wǎng)絡(luò)爬蟲、OCR、信息可視化等技術(shù)實現(xiàn)了花粉過敏信息檢索、知識科普、知識圖譜、花粉地圖和過敏預(yù)警等功能。雖然取得了一些效果，但仍需要進一步完善。我們將在以后的研究中進一步增強系統(tǒng)對多格式、多來源數(shù)據(jù)的兼容性，在CNKI數(shù)據(jù)庫和萬方數(shù)據(jù)的基礎(chǔ)上，尋求相關(guān)氣象部門及醫(yī)院過敏反應(yīng)科合作，構(gòu)建更大的花粉濃度數(shù)據(jù)集、氣象信息數(shù)據(jù)集和花粉過敏歷史就診率數(shù)據(jù)集，為科研人員提供更全面的參考資料，提高花粉過敏預(yù)測的準確性。分階段多元非線性預(yù)測模型雖然能較好地對花粉濃度進行預(yù)測，但其準確度只是70%～80%。下一步可以考慮借助大數(shù)據(jù)，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)模型預(yù)測花粉濃度，提高花粉濃度預(yù)測的準確率。