现代的科技的进步也推动了医学信息数字化的进程,这使得互联网问诊的方式迅速发展,因此医院每天会产生大量的复杂医学数据,如果医生能够高效的利用这些数据,挖掘有价值的信息,那么这将大大提高医师的诊断准确率和效率。尤其中医作为经验医学,很难形成特定的诊断标准,并且其诊疗数据较西医更为复杂,而用户画像概念的引入可以很好的缓解上述问题。构建病人用户画像可以使医生能够快速地掌握病人的身体状况,从而辅助医生高效准确的为病人提供合适的治疗方案。因此,本文提出以中医临床数据为分析基础,采用数据挖掘技术对海量中医诊疗数据信息进行处理,构建多维度病人画像的思路。本文通过对用户画像的研究总结和相关技术的分析,实现针对拥有互联网问诊信息的病人构建多维病人画像。首先对文献中构建用户画像的方法进行了整理,然后对数据挖掘算法的理论支持和应用领域进行分析,并重点研究了机器学习在医学领域的应用情况,选取基于神经网络的基本理论和算法进行中医体质的预测,对比不同神经网络的预测仿真实验,分析它们的优缺点,选取准确率较高的算法;同时对病例中体质和药物信息进行关联分析,结合中医体质,通过对比经典的关联算法和加权改进后的关联算法,选择实验效果较好性能较优的算法应用于系统中;最后结合病例数据抽取出病人有实用价值的特征信息,给出病人性别,年龄,血压,体温,心率和体质六个维度的可视化画像并向医师推荐最优的治疗方案。