何艷，張寧

西安郵電大學(xué) 通信與信息工程學(xué)院，陜西 西安 710121

引言

通過互聯(lián)網(wǎng)得到科學(xué)準(zhǔn)確的醫(yī)療服務(wù)與人們的幸福生活密切相關(guān)，智能問答平臺(tái)有助于快速篩選搜索信息。自動(dòng)聊天機(jī)器人可分為以信息提取為基礎(chǔ)的專家系統(tǒng)和自主生產(chǎn)學(xué)習(xí)式的開放領(lǐng)域問答平臺(tái)系統(tǒng)[1]。垂直領(lǐng)域的專家系統(tǒng)大大壓縮了數(shù)據(jù)規(guī)模，適用于醫(yī)療領(lǐng)域的應(yīng)用開發(fā)[2]。語義分析是實(shí)現(xiàn)智能問答的基本途徑。在傳統(tǒng)TextRank算法和Word2Vec基礎(chǔ)上，Python以MySQL+Flask web +vue分級(jí)架構(gòu)實(shí)現(xiàn)了知識(shí)自動(dòng)問答[3]。醫(yī)療數(shù)據(jù)包含大量冗余文本數(shù)據(jù)。聯(lián)合標(biāo)注策略的實(shí)體關(guān)系抽取模型使用NoSQL數(shù)據(jù)庫Neo4j存儲(chǔ)知識(shí)數(shù)據(jù)，獲得較高檢索效率[4]。Java語言的MVC（Model、View、Controller）架構(gòu)將后臺(tái)運(yùn)算與前端顯示分離[5-6]。利用多源異構(gòu)數(shù)據(jù)構(gòu)建醫(yī)療相關(guān)知識(shí)庫，聯(lián)合中文分詞和醫(yī)療詞典，準(zhǔn)確識(shí)別醫(yī)療相關(guān)領(lǐng)域詞匯[7]。不同數(shù)據(jù)庫的知識(shí)存儲(chǔ)會(huì)影響問答效率。MySQL體積小、速度快，在靈活性上遠(yuǎn)超SQL Sever和Oracle數(shù)據(jù)庫[8]。利用Redis數(shù)據(jù)庫緩存，可提高系統(tǒng)處理高并發(fā)場(chǎng)景時(shí)的效率[9]。ANSJ實(shí)現(xiàn)分詞，且標(biāo)注分詞后詞性，在內(nèi)存中分詞速率100萬字/s，準(zhǔn)確度達(dá)96%以上[10-11]。Spring作為JavaWeb框架，集成了控制翻轉(zhuǎn)和面向切面編程的特點(diǎn)[12-13]。布隆過濾器利用錯(cuò)誤率換取更小的空間占用，其操作時(shí)間復(fù)雜度為O(1)[14-15]。本文旨在設(shè)計(jì)實(shí)現(xiàn)一款智能問答系統(tǒng)，通過用戶對(duì)自身病情癥狀的描述，系統(tǒng)通過語義解析得到合理準(zhǔn)確的醫(yī)療指導(dǎo)，進(jìn)而給人們提供日常的健康醫(yī)療咨詢。

1 醫(yī)療問答系統(tǒng)設(shè)計(jì)

本醫(yī)療問答系統(tǒng)設(shè)計(jì)框圖如圖1所示，系統(tǒng)采用分級(jí)架構(gòu)，使得數(shù)據(jù)庫、邏輯層、展示層分開，便于分層開發(fā)維護(hù)。

圖1 系統(tǒng)設(shè)計(jì)框圖

1.1 后端結(jié)構(gòu)設(shè)計(jì)

后端代碼結(jié)構(gòu)大致分為Controller、Dao、Pojo、Service、Test五部分。其中Controller層負(fù)責(zé)與前端代碼的交互，接收或發(fā)送數(shù)據(jù)到前端。Pojo層存儲(chǔ)項(xiàng)目對(duì)應(yīng)的數(shù)據(jù)模型類。Service層負(fù)責(zé)處理項(xiàng)目的主要邏輯。Test負(fù)責(zé)代碼的調(diào)試與測(cè)試功能。圖2展示了后端項(xiàng)目代碼結(jié)構(gòu)。

圖2 后端項(xiàng)目代碼結(jié)構(gòu)

1.2 數(shù)據(jù)庫連接設(shè)計(jì)

在數(shù)據(jù)庫連接的部分，采用基于JDBC的Java數(shù)據(jù)庫連接工具M(jìn)ybatis進(jìn)行Java程序與MySQL數(shù)據(jù)庫的連接。使用注解的方式完成連接，并將SQL語句卸載至xml文件中，便于維護(hù)管理[16]。同時(shí)項(xiàng)目采用了Mybatis自帶的SQL預(yù)處理方式，避免了SQL注入的風(fēng)險(xiǎn)。

1.3 醫(yī)療問答系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)

醫(yī)療問答系統(tǒng)的數(shù)據(jù)模型包括用戶集合、疾病集合和用戶患病集合。用戶集合用于存儲(chǔ)普通用戶在平臺(tái)進(jìn)行登錄、注冊(cè)、問答咨詢所需的基本信息；疾病集合用于存儲(chǔ)爬取的醫(yī)療相關(guān)信息；用戶患病集合用于存儲(chǔ)疾病與用戶之間的對(duì)應(yīng)關(guān)系，形成用戶表與疾病表之間多對(duì)多的表間關(guān)系。各表間關(guān)系繪制成實(shí)體聯(lián)系圖如圖3所示。

圖3 系統(tǒng)數(shù)據(jù)庫實(shí)體聯(lián)系圖

1.4 前后端交互資源使用設(shè)計(jì)

由于項(xiàng)目前后端分離的設(shè)計(jì)，在本機(jī)測(cè)試時(shí)兩端會(huì)分別占用不同端口，前端Vue部分占用8080端口，后端占用8081端口。前后端的數(shù)據(jù)交互采用JSON（JavaScript Object Notation）數(shù)據(jù)格式。依照J(rèn)SON將后端Java實(shí)體類序列化成字符串的格式發(fā)送至前端解析，同時(shí)前端也能發(fā)送JSON至后端，經(jīng)由后端轉(zhuǎn)換為實(shí)體類。在Java中，可以將JSON還原為HashMap結(jié)構(gòu)或者一個(gè)基本對(duì)象。

1.5 系統(tǒng)并發(fā)設(shè)計(jì)

本系統(tǒng)在多個(gè)角度進(jìn)行了并發(fā)設(shè)計(jì)，確保了程序的穩(wěn)定性（圖4）。系統(tǒng)設(shè)計(jì)將Tomcat服務(wù)器默認(rèn)提供的BIO模式改配置為NIO模式。BIO模式下，每次請(qǐng)求會(huì)新建一個(gè)線程去處理，線程的創(chuàng)建與銷毀極大地浪費(fèi)了系統(tǒng)資源，改為NIO模式后不用每次阻塞線程，提高了系統(tǒng)效率。在編寫Java代碼時(shí)，內(nèi)部使用了HashMap作為緩存暫時(shí)存儲(chǔ)數(shù)據(jù)庫查詢結(jié)果，避免每次處理時(shí)對(duì)數(shù)據(jù)庫的反復(fù)查詢。利用WebMagic的多線程爬蟲特性爬取醫(yī)療數(shù)據(jù)，開啟5個(gè)線程同時(shí)爬取，提高了系統(tǒng)速度。

圖4 醫(yī)療問答系統(tǒng)的并發(fā)設(shè)計(jì)圖

1.6 MVC模式解耦設(shè)計(jì)

考慮到系統(tǒng)各模塊間耦合度高，本系統(tǒng)在架構(gòu)設(shè)計(jì)上采用MVC模式解耦合。將系統(tǒng)拆分為View（前端視圖層）、Controller（邏輯控制層）、Model（中間數(shù)據(jù)邏輯層），分別對(duì)應(yīng)后端代碼中的Controller、Service、Pojo三個(gè)文件夾。其中Controller文件夾中主要編寫基于SpringMVC的相關(guān)代碼，負(fù)責(zé)通過http協(xié)議完成前后端數(shù)據(jù)交互。Service文件夾中主要編寫問答系統(tǒng)的主要邏輯，即接收到問題后對(duì)問題處理并回復(fù)的過程。Pojo文件夾中則存放系統(tǒng)用到的實(shí)體類，包括用戶類、醫(yī)療信息類。三層分離編寫，互不干擾。三層間通過數(shù)據(jù)接口交互，方便分模塊糾錯(cuò)。

1.7 系統(tǒng)功能模塊詳細(xì)設(shè)計(jì)

問答模塊是系統(tǒng)的主要邏輯模塊，具體流程是前端接收用戶輸入的語句傳輸至后端，隨后進(jìn)入Service層。通過Ansj對(duì)語句進(jìn)行分詞處理，并按照詞性摘取出語句中的動(dòng)詞、名詞等作重點(diǎn)處理，并將其存入HashMap標(biāo)記為InfoMap。依次遍歷InfoMap中的所有詞，并在MySQL數(shù)據(jù)庫中查找相關(guān)疾病的癥狀，并記錄疾病名稱和出現(xiàn)次數(shù)至Disease Map中，最后通過SpringMVC反饋給前端。

用戶信息處理模塊包含對(duì)用戶注冊(cè)信息的數(shù)據(jù)庫寫入以及對(duì)登錄用戶信息的查庫校驗(yàn)。項(xiàng)目中的User類對(duì)應(yīng)MySQL中的User表，分別設(shè)置Uid、UName、Password三個(gè)字段，簡(jiǎn)單地實(shí)現(xiàn)了登錄注冊(cè)功能所需要的所有信息。用戶通過/login進(jìn)入登錄模塊前端頁面，輸入用戶名密碼后發(fā)送至后端，在通過MySQL查詢登錄信息完成校驗(yàn)，校驗(yàn)成功后自動(dòng)轉(zhuǎn)入問答模塊。注冊(cè)功能則是在數(shù)據(jù)庫中存入用戶的注冊(cè)信息，注冊(cè)完成后返回登錄頁面。

信息獲取模塊負(fù)責(zé)自動(dòng)獲取醫(yī)療網(wǎng)站內(nèi)醫(yī)療相關(guān)的信息，醫(yī)療數(shù)據(jù)內(nèi)容爬取后重新存儲(chǔ)，見圖5。借助WebMagic提供的爬蟲接口，使用Java線程池技術(shù)配置多個(gè)線程同時(shí)爬蟲，考慮到本電腦使用四核CPU，確定開啟五個(gè)線程，理論上獲得了五倍速度的爬蟲效率。通過爬蟲獲取疾病名稱、疾病描述、病因、癥狀、治療手段、診斷鑒別等多種信息，對(duì)應(yīng)創(chuàng)建其Java類用于存儲(chǔ)，最后通過Mybatis的持久化技術(shù)將醫(yī)療數(shù)據(jù)存儲(chǔ)至MySQL數(shù)據(jù)庫中。

圖5 爬取獲得的醫(yī)療數(shù)據(jù)內(nèi)容

2 技術(shù)創(chuàng)新

2.1 爬蟲策略與算法

網(wǎng)絡(luò)爬蟲策略包括借助棧結(jié)構(gòu)實(shí)現(xiàn)的深度優(yōu)先搜索、借助隊(duì)列實(shí)現(xiàn)的廣度優(yōu)先搜索以及最佳優(yōu)先搜索。

最佳優(yōu)先搜索比深度優(yōu)先策略和廣度優(yōu)先搜索策略更加復(fù)雜，但在面對(duì)大量網(wǎng)頁爬取的任務(wù)時(shí)，能更好地過濾掉30%以上的無關(guān)網(wǎng)頁。它的邏輯是在爬取之前先對(duì)候選URL進(jìn)行一系列的相似度分析，并最終選擇爬取與主題相關(guān)度更高的網(wǎng)頁，節(jié)省計(jì)算機(jī)資源。

2.2 WebMagic爬蟲

WebMagic是一個(gè)基于Java的開源爬蟲框架，其整體 結(jié) 構(gòu) 包 括 Downloader、PageProcessor、Scheduler和Pipeline四個(gè)組件，分別對(duì)應(yīng)爬蟲生命周期中的下載、清洗、時(shí)間管理和持久化。需要將這些組件結(jié)合并完成多線程任務(wù)以提高爬蟲效率，同時(shí)使用容器spider將組件組織起來協(xié)作完成任務(wù)。圖6展示了Web Magic各模塊協(xié)作工作流程。

圖6 WebMagic運(yùn)行流程圖

2.3 關(guān)系型數(shù)據(jù)庫

數(shù)據(jù)庫技術(shù)主要研究目標(biāo)是數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)高效存儲(chǔ)與快速獲取。目前的主流數(shù)據(jù)庫分為關(guān)系型數(shù)據(jù)庫與非關(guān)系型數(shù)據(jù)庫兩種。關(guān)系型數(shù)據(jù)庫指采用行列表格形式組織數(shù)據(jù)，其主要模塊是二維的表格。如圖7所示分為表頭和內(nèi)容，多個(gè)數(shù)據(jù)表組成了數(shù)據(jù)庫。為了避免數(shù)據(jù)重復(fù)存儲(chǔ)，按照最小關(guān)系表的形式存儲(chǔ)，采用SQL對(duì)數(shù)據(jù)庫進(jìn)行增刪改查等操作。

圖7 關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)表

2.4 非關(guān)系型數(shù)據(jù)庫

非關(guān)系型數(shù)據(jù)庫也被叫作NoSQL（不適于SQL語句的意思），其速度優(yōu)勢(shì)得益于Hash數(shù)據(jù)結(jié)構(gòu)，其預(yù)先準(zhǔn)備適當(dāng)長(zhǎng)度的存儲(chǔ)空間，并做線性標(biāo)記。當(dāng)有數(shù)據(jù)存入空間時(shí)，采用特定哈希算法計(jì)算數(shù)據(jù)位置后存入，在后續(xù)查詢過程中，只需要將查詢?cè)~再次進(jìn)行哈希計(jì)算，就能在01的復(fù)雜度內(nèi)完成查詢操作，同比使用了B+樹的MySQL數(shù)據(jù)庫，查詢的時(shí)間復(fù)雜度遠(yuǎn)遠(yuǎn)超過01。

2.5 AnsjSeg分詞技術(shù)

分詞技術(shù)將連續(xù)詞語組成的句子重新分割成各個(gè)詞語，便于計(jì)算機(jī)分治處理。中文分詞算法大致分為基于詞典的分詞算法與基于人工智能統(tǒng)計(jì)的分詞算法。Java語言提供了盤古分詞、NLPIR、IKAnalyzer、PaodingAnalyzer等分詞工具。由于AnsjSeg提供便捷的分詞接口，分詞處理后，框架將會(huì)返回句子中所有詞語與其所對(duì)應(yīng)的詞性，因此本文將采用AnsjSeg分詞工具。

2.6 Java框架技術(shù)

Mybatis是源于Apache的一個(gè)開源項(xiàng)目，完成了對(duì)底層JDBC的封裝，簡(jiǎn)化了后端連接數(shù)據(jù)庫的步驟，對(duì)外提供簡(jiǎn)便的接口。其解除了SQL語句與程序代碼的耦合，將業(yè)務(wù)層與數(shù)據(jù)訪問分離使系統(tǒng)結(jié)構(gòu)更加清晰。

3 結(jié)果展示

3.1 登錄注冊(cè)功能實(shí)現(xiàn)

用戶自主輸入隨意用戶名密碼即可完成注冊(cè)，注冊(cè)成功后系統(tǒng)自動(dòng)跳轉(zhuǎn)到登錄頁。用戶在輸入自身癥狀后，系統(tǒng)會(huì)反饋可能性病癥以及其可能性權(quán)值。用戶登錄成功后，頁面將自動(dòng)跳轉(zhuǎn)到/work路徑展示問答頁面，用戶向第一個(gè)輸入框內(nèi)輸入疾病癥狀（不需要特殊格式），點(diǎn)擊提交按鈕后，前端自動(dòng)將內(nèi)容提交至后臺(tái)分析，隨后Java后臺(tái)經(jīng)過分詞處理后向數(shù)據(jù)庫查詢結(jié)果，結(jié)果集將封裝在TreeMap中暫存，由于TreeMap可以將key值排序，所以得到疾病可能性權(quán)值將從小到大展示。

3.2 數(shù)據(jù)獲取模塊的實(shí)現(xiàn)

數(shù)據(jù)庫中的醫(yī)療數(shù)據(jù)均由數(shù)據(jù)獲取模塊提供，首先對(duì)被爬取網(wǎng)頁進(jìn)行分析，確保其Robot協(xié)議允許用戶爬蟲。隨后分析其頁面結(jié)構(gòu)尋找需要爬取的頁面特性，通過WebMagic對(duì)頁面進(jìn)行解析，獲取其中關(guān)鍵標(biāo)簽所包含的有用信息，在遇到多種冗余信息存儲(chǔ)于同一標(biāo)簽下時(shí)，則采用CSS選擇器篩選出符合條件的數(shù)據(jù)。并將其保存至Java的Static靜態(tài)類中（靜態(tài)類保證了在類中字段填滿之前，爬蟲的重復(fù)執(zhí)行并不會(huì)刷新對(duì)象中內(nèi)容），等到類的其他字段通過爬蟲填滿后統(tǒng)一寫入數(shù)據(jù)庫，完成一組數(shù)據(jù)的爬取。

3.3 系統(tǒng)測(cè)試

項(xiàng)目測(cè)試環(huán)境為Windows 10 PC一臺(tái)，Java8編譯環(huán)境，F(xiàn)irefox瀏覽器。使用Java首先啟動(dòng)graduationdesign項(xiàng)目，查看SpringBoot啟動(dòng)日志，確定8081端口打開無誤后再啟動(dòng)前端VUE代碼。項(xiàng)目啟動(dòng)效果如圖8～9所示。

圖8 后端項(xiàng)目啟動(dòng)頁面

圖9 前端項(xiàng)目啟動(dòng)頁面

問答模塊測(cè)試使用用戶組織的語言對(duì)系統(tǒng)進(jìn)行提問，系統(tǒng)將自動(dòng)反饋可能性病癥，并以JASON的數(shù)據(jù)格式發(fā)送至前端，包括疾病的名稱及可能性權(quán)值，癥狀描述越多越準(zhǔn)確。可以在瀏覽器中查詢到前后端數(shù)據(jù)交互的情況如圖10所示。在數(shù)據(jù)爬蟲測(cè)試中，后端提前綁定MySQL服務(wù)器，啟動(dòng)后自動(dòng)查找尋醫(yī)問藥網(wǎng)中關(guān)于呼吸科的疾病信息，同一疾病分別爬取疾病的名稱、癥狀、治療方法、病因、簡(jiǎn)介五個(gè)信息后，進(jìn)行數(shù)據(jù)庫查詢校驗(yàn)，如果與庫中數(shù)據(jù)不重復(fù)，統(tǒng)一存入數(shù)據(jù)庫。

圖10 問答功能數(shù)據(jù)交互詳情

4 結(jié)語

醫(yī)學(xué)領(lǐng)域的信息化和智慧化建設(shè)是當(dāng)前迫切需要解決的難題。在信息技術(shù)發(fā)展的同時(shí)，人們也逐步由初始的單純對(duì)速度與信息量的追求，進(jìn)而發(fā)展為對(duì)信息準(zhǔn)確性和高效性的追求。目前市面上的各類搜索引擎所提供的信息檢索服務(wù)大都趨向于百科全書式的大雜燴，用戶搜索關(guān)鍵知識(shí)時(shí)，往往會(huì)檢索出許多冗余的“垃圾”數(shù)據(jù)，浪費(fèi)人們的時(shí)間。還有一些搜索引擎在返回正常搜索數(shù)據(jù)的同時(shí)還會(huì)夾雜一些廣告，使得用戶的搜索效率大幅降低。傳統(tǒng)搜索引擎在醫(yī)療領(lǐng)域的使用，有助于獲取互聯(lián)網(wǎng)上全面的信息資源，但如何篩選信息成為難題。

本文開發(fā)設(shè)計(jì)的基于JavaEE的醫(yī)療問答系統(tǒng)，通過網(wǎng)絡(luò)爬蟲爬取醫(yī)療相關(guān)數(shù)據(jù)，并將其存儲(chǔ)至MySQL數(shù)據(jù)庫中。用戶注冊(cè)系統(tǒng)后，后臺(tái)數(shù)據(jù)庫保存其個(gè)人信息，登錄系統(tǒng)后顯示提問頁面。用戶發(fā)問后利用分詞技術(shù)分析問題，快速將反饋結(jié)果發(fā)送至前端，實(shí)現(xiàn)用戶注冊(cè)、登錄、注銷、查詢等基本功能。

由于醫(yī)療領(lǐng)域的專業(yè)性和需求迫切性，各種不同形式的醫(yī)療問答系統(tǒng)被推向市場(chǎng)，如騰訊醫(yī)典、平安好醫(yī)生以及丁香醫(yī)生等。區(qū)別于傳統(tǒng)搜索引擎，本文開發(fā)的醫(yī)療問答系統(tǒng)將目標(biāo)聚焦于垂直醫(yī)療領(lǐng)域，通過對(duì)用戶語句的語義分析進(jìn)行模糊匹配，確保搜索的結(jié)果信息控制在一個(gè)較小的維度，為患者提供準(zhǔn)確、高效的醫(yī)療咨詢服務(wù)。利用基于JavaEE的醫(yī)療問答系統(tǒng)可以實(shí)現(xiàn)用戶對(duì)于自身癥狀的初步判斷，系統(tǒng)通過分析用戶提供的癥狀描述，取得用戶描述內(nèi)容的關(guān)鍵詞，將關(guān)鍵詞與醫(yī)療數(shù)據(jù)庫中內(nèi)容匹配，通過規(guī)則推理和本體描述實(shí)現(xiàn)問答功能。本文開發(fā)實(shí)現(xiàn)的基于Java的醫(yī)療問答系統(tǒng)，其注冊(cè)登錄流程簡(jiǎn)潔，界面層級(jí)清晰，通過分詞技術(shù)和關(guān)系型數(shù)據(jù)庫的聯(lián)合使用，結(jié)合爬蟲策略，實(shí)現(xiàn)了醫(yī)療垂直領(lǐng)域的問答，能便捷、及時(shí)解決用戶健康需求。本系統(tǒng)采用了高擴(kuò)展性系統(tǒng)架構(gòu)，未來可以進(jìn)一步擴(kuò)充性能，以提供更智慧快捷的醫(yī)療服務(wù)。

與此同時(shí)，本系統(tǒng)也有許多需要優(yōu)化改進(jìn)的地方。前端頁面的UI以功能實(shí)用為主，沒有考慮到美學(xué)設(shè)計(jì)理念。此外，目前系統(tǒng)只是爬取了呼吸內(nèi)科相關(guān)疾病，后臺(tái)數(shù)據(jù)庫中醫(yī)療數(shù)據(jù)的爬取不夠全面。在問答過程中問答信息偏學(xué)術(shù)化，略顯機(jī)械，后續(xù)需改進(jìn)該系統(tǒng)的人性化。