如何在code.org的App Lab中应用自然语言处理（NLP）实现疾病识别

App Lab没有预置的NLP疾病识别类积木，你可以通过「积木+自定义JS代码混合开发」的方式实现需求，两者完全兼容，不需要完全脱离积木式编程流程。

实现步骤 #

• 首先搭建疾病知识库：使用App Lab的「创建列表」积木存储结构化的疾病数据，单条数据格式为{疾病名称: "XXX", 对应症状: ["症状1", "症状2", "症状3"]}，可根据需求随时在列表中扩展疾病条目，全流程可通过积木操作完成。
• 搭建交互界面：使用「文本输入框」积木收集用户输入的症状描述，搭配「按钮」积木触发识别逻辑，用「文本标签」积木展示最终识别结果。
• 编写核心匹配逻辑：切换到代码视图编写匹配规则，代码写完后可以直接在积木面板的「函数」分类找到对应调用块，完全融入积木式编程流程。参考代码如下：

// 提前用积木创建的疾病列表变量名为diseaseLibrary
function getDiseaseResult(userInput) {
  let matchCount = 0;
  let finalResult = "未识别到匹配疾病，相关结果仅作科普参考，如有不适请及时就医";
  for (let i = 0; i < diseaseLibrary.length; i++) {
    let currentDisease = diseaseLibrary[i];
    let currentMatch = 0;
    currentDisease.对应症状.forEach(symptom => {
      if(userInput.indexOf(symptom) !== -1) currentMatch++;
    });
    if(currentMatch > matchCount && currentMatch > 0) {
      matchCount = currentMatch;
      finalResult = "识别结果：" + currentDisease.疾病名称 + "，相关结果仅作科普参考，如有不适请及时就医";
    }
  }
  return finalResult;
}

• 绑定交互逻辑：用积木的「当按钮被点击」事件块，先获取用户输入的文本内容，调用上面的getDiseaseResult函数拿到结果，再将结果赋值给结果展示标签即可。

优化方向 #

如果需要更高的识别准确率，可以在现有匹配逻辑上增加模糊匹配、分词权重计算规则，所有逻辑都可以在App Lab内置JS运行环境中实现，无需引入外部依赖。

注意：该功能仅可用于科普演示场景，所有识别结果不构成医疗建议，身体不适请务必咨询专业医疗机构及人员。

内容的提问来源于stack exchange，提问作者Mohd Saad