1.一种急诊重症患者分级分诊方法，其特征在于：所述方法包括步骤如下：通过医院建立的历史治疗数据库，获取急诊患者在进行治疗时的多维度身体指标数据、历史临床问诊记录文本和对应的分级分诊情况；

通过聚类分析历史临床问诊记录文本与多维度身体指标数据之间的关联关系；

获取通过现场对患者进行临床问诊得到的现场临床问诊记录文本，根据得到的现场临床问诊记录文本与多维度身体指标数据之间的关联关系，得到下一次推荐与现场临床问诊记录文本存在关联的多维度身体指标数据对应的问诊问题；

直到根据通过问诊问题获取的现场临床问诊记录文本，确认历史治疗数据库中存在相似度满足预设值的多维度身体指标数据，结束现场临床问诊；

对获取的相似度满足预设值的多维度身体指标数据进行量化，并根据严重程度评估对患者进行分级分诊；

在获取急诊患者在进行治疗时的多维度身体指标数据、历史临床问诊记录文本和对应的分级分诊情况之后，通过聚类分析历史临床问诊记录文本与多维度身体指标数据之间的关联关系之前，所述方法还包括：对历史临床问诊记录文本、多维度身体指标数据和对应的分级分诊情况进行格式转换，完成标准化处理；

获取历史临床问诊记录文本中的关键词，并进行统计，完成对关键词序列编著，从而将获取的历史临床问诊记录文本量化为文字序列，所述序列编著是指通过统计方式对关键字进行编码；

所述通过聚类分析历史临床问诊记录文本与多维度身体指标数据之间的关联关系，包括：根据历史临床问诊记录文本得到多个文字序列；

通过聚类算法将文字序列划分为多个簇类，每个簇类的文本数据中存在相似的语义；

计算同一个簇类中患者的其它文本序列的波动情况；

根据获取的同一个簇类中患者的其它文本序列的波动情况，计算同一个簇类中的文字序列对于多维度身体指标数据的某一个维度身体指标的影响程度；

当影响程度超过预设阈值时，认为文本数据和多维度身体指标数据之间存在联系；

所述计算同一个簇类中患者的其它文本序列的波动情况，包括：获取每个患者的历史临床问诊记录文本中最多文字序列的数量；

获取某个文字序列在相应簇类的聚类结果中，在其他文本序列按照自身聚类的簇类数量；

计算某个文字序列在相应簇类中患者的分布离散情况；

根据获得的最多文字序列的数量、簇类数量、患者的分布离散情况，计算同一个簇类中患者的其它文本序列的波动情况；

根据得到的现场临床问诊记录文本与多维度身体指标数据之间的关联关系，得到下一次推荐与现场临床问诊记录文本存在关联的多维度身体指标数据对应的问诊问题，包括：获取与某一个维度身体指标数据存在关联的指标维度数量；

获取某一个身体指标数据与问诊问题之间的关联情况；

通过上一个问诊问题得到相似患者群体的多维度身体指标数据进行聚类，获取相应的身体指标数据的簇类数量；

根据得到的指标维度数量、某一个身体指标数据与问诊问题之间的关联情况、相应的身体指标数据的簇类数量，对下一次推荐的问诊问题的优选情况进行量化；

由此得到下一次推荐与现场临床问诊记录文本存在关联的多维度身体指标数据对应的问诊问题；

所述直到根据通过问诊问题获取的现场临床问诊记录文本，确认历史治疗数据库中存在相似度满足预设值的多维度身体指标数据，结束现场临床问诊包括：根据问诊问题获取的现场临床问诊记录文本；

确认现场临床问诊记录文本，与历史临床问诊记录文本划分到同一个簇类中；

计算获取相应的多维度身体指标数据与同一个簇类中相应的历史指标数据的欧式距离；

当欧式距离小于预设阈值时，则确认历史治疗数据库中存在相似度满足预设值的多维度身体指标数据，结束现场临床问诊。

2.根据权利要求1所述的一种急诊重症患者分级分诊方法，其特征在于：所述根据获取的同一个簇类中患者的其它文本序列的波动情况，计算同一个簇类中的文字序列对于多维度身体指标数据的某一个维度身体指标的影响程度，包括：根据每一维度身体指标与正常指标的区间范围，得到每一维度身体指标对于正常指标的差值；

根据得到每一维度身体指标对于正常指标的差值，计算相应的簇类中患者的某一维度身体指标与正常指标的差值的信息熵；

结合得到同一个簇类中患者的其它文本序列的波动情况，计算同一个簇类中的文字序列对于多维度身体指标数据的某一个维度身体指标的影响程度。

3.根据权利要求1所述的一种急诊重症患者分级分诊方法，其特征在于：对获取的相似度满足预设值的多维度身体指标数据进行量化，并根据严重程度评估对患者进行分级分诊，包括：根据获取相似度满足预设值的多维度身体指标数据，确认相似患者群体；

利用相似患者群体对应的身体指标数据进行平均作为现场临床问诊的患者缺失的身体指标数据，由此补全缺失身体指标数据；

根据补全的身体指标数据进行严重程度评估；

根据严重程度评估的结果对患者进行分级分诊。

4.一种急诊重症患者分级分诊系统，其特征在于：所述系统包括如下：数据库模块，用于存储急诊患者的历史治疗数据，包括多维度身体指标数据、历史临床问诊记录文本和对应的分级分诊情况；

获取模块，用于通过医院建立的历史治疗数据库，获取急诊患者在进行治疗时的多维度身体指标数据、历史临床问诊记录文本和对应的分级分诊情况；

聚类分析模块，用于通过聚类分析历史临床问诊记录文本与多维度身体指标数据之间的关联关系；

问诊问题推荐模块，用于获取通过现场对患者进行临床问诊得到的现场临床问诊记录文本，根据得到的现场临床问诊记录文本与多维度身体指标数据之间的关联关系，得到下一次推荐与现场临床问诊记录文本存在关联的多维度身体指标数据对应的问诊问题；

确认模块，用于直到根据通过问诊问题获取的现场临床问诊记录文本，确认历史治疗数据库中存在相似度满足预设值的多维度身体指标数据，结束现场临床问诊；

分级分诊模块，用于对获取的相似度满足预设值的多维度身体指标数据进行量化，并根据严重程度评估对患者进行分级分诊；

在获取急诊患者在进行治疗时的多维度身体指标数据、历史临床问诊记录文本和对应的分级分诊情况之后，通过聚类分析历史临床问诊记录文本与多维度身体指标数据之间的关联关系之前，还包括：对历史临床问诊记录文本、多维度身体指标数据和对应的分级分诊情况进行格式转换，完成标准化处理；

获取历史临床问诊记录文本中的关键词，并进行统计，完成对关键词序列编著，从而将获取的历史临床问诊记录文本量化为文字序列，所述序列编著是指通过统计方式对关键字进行编码；

所述通过聚类分析历史临床问诊记录文本与多维度身体指标数据之间的关联关系，包括：根据历史临床问诊记录文本得到多个文字序列；

通过聚类算法将文字序列划分为多个簇类，每个簇类的文本数据中存在相似的语义；

计算同一个簇类中患者的其它文本序列的波动情况；

根据获取的同一个簇类中患者的其它文本序列的波动情况，计算同一个簇类中的文字序列对于多维度身体指标数据的某一个维度身体指标的影响程度；

当影响程度超过预设阈值时，认为文本数据和多维度身体指标数据之间存在联系；

所述计算同一个簇类中患者的其它文本序列的波动情况，包括：获取每个患者的历史临床问诊记录文本中最多文字序列的数量；

获取某个文字序列在相应簇类的聚类结果中，在其他文本序列按照自身聚类的簇类数量；

计算某个文字序列在相应簇类中患者的分布离散情况；

根据获得的最多文字序列的数量、簇类数量、患者的分布离散情况，计算同一个簇类中患者的其它文本序列的波动情况；

根据得到的现场临床问诊记录文本与多维度身体指标数据之间的关联关系，得到下一次推荐与现场临床问诊记录文本存在关联的多维度身体指标数据对应的问诊问题，包括：获取与某一个维度身体指标数据存在关联的指标维度数量；

获取某一个身体指标数据与问诊问题之间的关联情况；

通过上一个问诊问题得到相似患者群体的多维度身体指标数据进行聚类，获取相应的身体指标数据的簇类数量；

根据得到的指标维度数量、某一个身体指标数据与问诊问题之间的关联情况、相应的身体指标数据的簇类数量，对下一次推荐的问诊问题的优选情况进行量化；

由此得到下一次推荐与现场临床问诊记录文本存在关联的多维度身体指标数据对应的问诊问题；

所述直到根据通过问诊问题获取的现场临床问诊记录文本，确认历史治疗数据库中存在相似度满足预设值的多维度身体指标数据，结束现场临床问诊包括：根据问诊问题获取的现场临床问诊记录文本；

确认现场临床问诊记录文本，与历史临床问诊记录文本划分到同一个簇类中；

计算获取相应的多维度身体指标数据与同一个簇类中相应的历史指标数据的欧式距离；

当欧式距离小于预设阈值时，则确认历史治疗数据库中存在相似度满足预设值的多维度身体指标数据，结束现场临床问诊。

5.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述一种急诊重症患者分级分诊方法。