近年来,健康管理的理念越来越流行,人们更加重视身体的健康状况,中医“治未病”思想中的早期干预方法与理念,可以有效预防疾病发展、保持健康状况。问诊作为中医“四诊”（望、闻、问、切）中的一个重要诊查方法,其获取的诊断信息可以占到全部中医四诊信息的80%,对后续的辩证论治将起到非常重要的作用。但在现有中医诊断信息化系统中,问诊系统通常都是使用问答题的方式对患者进行症状信息的采集,无论对任何症状的患者均是固定的一百多道问题,不仅缺乏针对性,大部分问题可能和具体的某个患者没有任何关系。同时,问题太多,也会让患者没有耐心,以至于丢失一些有用的信息。如何利用当今先进的人工智能技术,特别是语音识别技术,再结合中医知识图谱,构建一个面向中医诊断的智能化问诊系统,是实现中医问诊客观化和智能化过程中必须解决的问题。本文试图构建一个基于语音识别技术的个性化中医智能问诊系统,该系统基于中医知识图谱进行构建,很好的解决了上述问题。本文的主要工作如下:（1）针对现有语音识别算法在中医问诊环境下识别率较低的问题,本文提出了基于DeepSpeech算法的语音识别优化方法。首先,本文通过在合作中医院收集的诊室录音构建了一批高质量的中医专业领域语音数据集。同时,根据医院嘈杂环境的特点提出了一个数据增强方法,有效提高语音识别模型对噪音环境的鲁棒性。此外,提出在DeepSpeech算法的输出层之后接入基于self-attention 算法的拼音解码器,解码器通过学习中医知识文本语料,将专业的中医知识融合到语音识别模型中,提高了识别的准确率。最后,为了提高语音识别服务的实时性、提升用户体验,针对RNN网络无法进行并行计算的问题,提出使用可并行计算网络SRU替换RNN,有效提升了语音识别模型的计算速度,大大提高了服务器硬件资源的利用率。并且在公开语音数据集和自收集语音数据集上的实验结果验证了提出算法的有效性。（2）针对现有中医问诊系统缺乏智能化和个性化的问题,本文提出基于LSTM-CRF算法构建中医症状实体识别模型和基于聚类算法构建中医症状关系模型,并使用上述两个模型构建一个中医问诊知识图谱,该知识图谱通过学习中医病案文本数据,针对每个患者对其症状的主诉进行症状匹配,得到与其主诉症状强相关的症状,从而加强问诊系统的针对性和客观性、减少问诊问题的数量,有效提高智能问诊的效率和人机交互的友好性。实验结果验证了本文提出算法的有效性。（3）跨终端的智能中医问诊原型系统的设计与实现。本文结合上述语音识别技术和中医知识图谱两部分算法,使用React跨终端前端技术、Tornado后端技术和MySQL数据库设计并实现了一个跨终端的智能中医问诊原型系统,为患者提供一个可交互的智能系统进行自动化的智能问诊,患者可以通过语音与系统进行问诊对话,操作简单、容易使用,有效提高了患者到医院就诊的效率。此外,该系统通过中医知识图谱减少传统问诊中对中医师主观判断的依赖,实现中医问诊的客观化和智能化。