物联网、移动互联网、大数据及数据挖掘等技术的兴起使健康服务的面貌发生了翻天覆地的变化,健康服务越来越向着电子化、个性化乃至智慧化的方向发展。但是当前各个机构提供的健康服务还存在着许多局限性。例如,不同健康服务涉及到的健康数据是分割的,不能被其他服务所共享。又例如,健康服务间通信的数据格式是各个机构自定义的,数据不能在服务之间合理流动,使得多种服务间的协同工作产生了极大困难。围绕种种类似的问题,本文以兼容现存的各个健康服务为目标,利用机器学习、分布式存储、分布式计算等关键技术,设计了一个能够整合不同健康服务的智慧健康服务平台。本文阐述了所设计的健康智慧服务的网络结构与数据格式,在此基础上抽象定义了平台提供的两类健康服务:延时健康服务和即时健康服务。本文介绍了机器学习技术的基本原理,结合设计的平台结构,利用机器学习技术设计实现了一个就诊向导的即时健康服务。本文介绍了一种分布式存储技术的成熟实现方案HDFS,给出了将HDFS分布式文件系统引入平台的具体方法。本文介绍了分布式计算框架的事实标准MapReduce编程模型,给出了将MapReduce引入平台的具体方法。分布式存储技术解决了平台健康服务数据存储融合的问题,分布式计算技术和机器学习技术综合解决了平台的智慧性问题。本文结合平台的分布式处理能力设计实现了加权症状描述向量抽取的延时健康服务。