1.一种基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述方法包括，接收云端服务器发送的多个样本的电子病历，解析每一个样本的电子病历，得到每一个样本的病例数据和四诊数据表；
基于每一个样本的病例数据得到每一个样本的基础信息和每一个样本的症状，基于每一个样本的基础信息、样本的四诊数据与样本的症状之间的关系构建基于名老中医经验的规则机器人系统的辨症模型；
统计所有出现的症状，基于每一个症状对应的可选的不同老中医ID针对症状开具的不同药方的重叠药品，构建基于名老中医经验的规则机器人系统的基础药方生成模型；
将每一个症状输入至基础药方生成模型，获取基础药方生成模型输出的每一个症状的基础药方，基于每一个症状的基础药方涉及的老中医ID针对基础药方开具的基础药方剂量，基于每一个症状的基础药方涉及的不同老中医ID针对基础药方开具的基础药方剂量的重叠部分，构建基于名老中医经验的规则机器人系统的经验药方剂量生成模型；
构建基于基础药方，以及基础药方的经验药方剂量的开方策略。
2.根据权利要求1所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述基于每一个样本的病例数据得到每一个样本的基础信息和每一个样本的症状，基于每一个样本的基础信息、样本的四诊数据与样本的症状之间的关系构建基于名老中医经验的规则机器人系统的辨症模型包括，
创建关系网；
选取一个样本；
读取所述样本的病例数据，得到所述样本的基础信息和所述样本的症状；
读取所述样本的四诊数据表，得到所述样本的四诊数据；
将所述样本的基础信息、所述样本的四诊数据与所述样本的症状数据写入所述关系网，并在关系网中对所述样本的基础信息、所述样本的四诊数据与所述样本的症状进行连线；
返回所述选取一个样本，直至所有样本均被选取过一次；
创建辨症模型；
将所有样本的基础信息、所有四诊数据、所有症状、以及关系网作为训练数据对辨证模型进行训练，得到训练后的辨症模型。
3.根据权利要求2所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述统计所有出现的症状，基于每一个症状对应的可选的不同老中医ID针对症状开具的不同药方的重叠药品，构建基于名老中医经验的规则机器人系统的基础药方生成模型包括，
选取一个症状；
获取该症状对应的可选的老中医ID；
选择与该症状对应的可选的老中医ID的老中医客户端；
向该老中医客户端发送获取药方的请求，以获取与该症状匹配的药方；
返回所述选取一个症状，直至所有症状均被选取过一次；
创建药方统计表，将每一个症状、每一个症状对应的可选的老中医ID、每一个症状对应的可选的老中医ID针对症状开具的药方均相对应地存储入所述药方统计表；
创建每一个症状的基础药方；在创建一个症状的基础药方时，以症状为索引在所述药方统计表中搜寻与将该症状相关联的各个不同药方，将该症状相关联的各个不同药方的重叠药品写入该症状的基础药方；
创建基础药方生成模型；
将所有症状、每一个症状对应的基础药方、以及每一个基础药方涉及的老中医ID作为训练数据对基础药方生成模型进行训练，得到训练后的基础药方生成模型。
4.根据权利要求3所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述每一个症状输入至基础药方生成模型，获取基础药方生成模型输出的每一个症状的基础药方，基于每一个症状的基础药方涉及的老中医ID针对基础药方开具的基础药方剂量，基于每一个症状的基础药方涉及的不同老中医ID针对基础药方开具的基础药方剂量的重叠部分，构建基于名老中医经验的规则机器人系统的经验药方剂量生成模型包括，选取一个症状；
启动基础药方生成模型，将症状输入至基础药方生成模型，获取基础药方生成模型输出的所述症状的基础药方，以及基础药方中所涉及的药品；
获取所述症状的基础药方涉及的老中医ID；
选取一个所述症状的基础药方涉及的老中医ID；
选择与所述症状的基础药方涉及的老中医ID对应的老中医客户端；
向该老中医客户端发送获取药方剂量的请求，以获取基础药方中所涉及的每一味药品的剂量，整合为基础药方剂量；
返回所述选取一个所述症状的基础药方涉及的老中医ID，直至所述症状的基础药方涉及的所有老中医ID均被选取一次；
返回所述选取一个症状，直至所有症状均被选取过一次，得到与每一个症状的基础药方涉及的老中医ID针对基础药方开具的基础药方剂量；
创建基础药方剂量统计表，将每一个症状、每一个症状的基础药方、每一个症状的基础药方涉及的老中医ID、每一个症状的基础药方中所涉及的药品、每一个症状的基础药方涉及的老中医ID针对基础药方开具的基础药方剂量均相对应地存储入所述基础药方剂量统计表；
创建每一个基础药方的经验药方剂量；在创建一个基础药方的经验药方剂量时，以基础药方为索引在所述基础药方剂量统计表中搜索与该基础药方相关联的不同老中医ID针对该基础药方开具的基础药方剂量，将不同老中医ID针对该基础药方开具的基础药方剂量的重叠部分写入该基础药方的经验药方剂量；
创建经验药方剂量生成模型；
将每一个症状的基础药方、以及每一个症状的基础药方对应的经验药方剂量作为训练数据对经验药方剂量生成模型进行训练，得到训练后的经验药方剂量生成模型。
5.根据权利要求3所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述获取该症状对应的可选的老中医ID包括，
选取一个样本；
依据所述样本的病例数据，获取该样本在问诊过程中被分配的老中医ID；
选择与该样本在问诊过程中被分配的老中医ID对应的老中医客户端；
向该老中医客户端发送获取药方的请求，以获取老中医ID对该样本定义的症状、以及老中医ID针对该样本开具的药方；
依据公式1计算药方的分数；
W＝X×KX+Y×KY+Z×KZ        公式1；
其中，W为药方的分数，X为医师工龄，KX为医师工龄的权重，Y为医师学历分数，KY为医师学历分数的权重，Z为病因康复程度分数，KZ为病因康复程度分数的权重；
返回所述选取一个样本，直至所有样本均被选取过一次；
创建老中医客户端的得分表，将每一个样本的样本ID、每一个样本被分配的老中医ID、每一个样本在问诊过程中被分配的老中医ID对该样本定义的症状、以及每一个样本被分配的老中医ID针对该样本开具的药方均相对应地存储入所述老中医得分表；
统计所有出现过的症状；
选取一个症状；
以症状为索引在所述药方统计表中搜寻与将该症状相关联的不同老中医ID开具的药方的分数；
将与将该症状相关联的不同老中医ID开具的药方的分数按照从大到小的顺序排序，选取分数前N的药方各自对应的老中医ID作为该症状对应的可选的老中医ID。
6.根据权利要求1所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述方法还包括，
选取一个样本；
启动辨症模型，将样本输入至辨症模型，获取辨证模型输出的所述样本的症状；
启动基础药方生成模型，将所述症状输入到所述基础药方生成模型，获取所述基础药方生成模型输出的所述症状的基础药方；
启动经验药方剂量生成模型，将所述基础药方输入到所述经验药方剂量生成模型，获取所述经验药方剂量生成模型输出的所述基础药方的经验药方剂量；
基于基础药方，以及基础药方的经验药方剂量的开方策略得到规则机器人系统开具的完整药方；
采集所述样本的基础信息、四诊数据并发送到每一个实习医生客户端；
接收每一个实习医生客户端发送的实习医生开具的完整模拟药方以及实习医生开具的完整模拟药方的药方剂量；
将规则机器人系统开具的完整药方与实习医生开具的完整模拟药方对比得到每一个实习医生开具的完整药方的药方相似度得分；
将规则机器人系统开具的完整药方的经验药方剂量与实习医生开具的完整模拟药方的药方剂量对比得到每一个实习医生开具的完整模拟药方的剂量相似度得分；
将规则机器人系统开具的完整药方与实习医生开具的完整模拟药方对比得到每一个实习医生开具的完整模拟药方的药方相似度得分发送到每一个实习医生的客户端；
返回选取一个样本，直至所有样本均被选取完毕。
7.根据权利要求6所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述方法还包括，
将所述实习医生ID的总得分划分不同的分数范围；
创建实习医生等级，对不同的分数范围分配不同的实习医生等级；
将实习医生等级和分数范围的对应关系进行存储；
选取一个实习医生客户端；
读取所述实习医生客户端的实习医生ID，获取该实习医生ID的总得分；依据实习医生等级和分数范围的对应关系，分析该实习医生ID命中的分数范围；
依据该实习医生ID命中的分数范围，为该实习医生ID分配实习医生等级；
返回所述选取一个实习医生客户端，直至所有实习医生客户端均被选取完毕。
8.根据权利要求7所述的基于名老中医经验的规则机器人系统的生成方法，其特征在于，所述方法还包括，
选取一个样本；
启动辨症模型，将样本输入至辨症模型，获取辨证模型输出的所述样本的症状；
启动基础药方生成模型，将症状输入到基础药方生成模型，获取基础药方生成模型输出的所述症状的基础药方；
启动经验药方剂量生成模型，将所述基础药方输入到经验药方剂量生成模型，获取经验药方剂量生成模型输出的所述基础药方的经验药方剂量；
基于基础药方，以及基础药方的经验药方剂量的开方策略得到规则机器人系统开具的完整药方；
依据规则机器人系统开具的完整药方中的药品的数量定义样本的复杂程度；
返回选取一个样本，直至所有样本均被选取完毕；
依据每一个样本的复杂程度，每一个样本的基础信息、每一个样本的四诊数据，为每一个样本定义样本等级；
创建样本等级识别模型；
将每一个样本的复杂程度，每一个样本的基础信息、每一个样本的四诊数据，为每一个样本定义样本等级作为训练数据输入样本等级识别模型，对样本等级识别模型进行训练，得到训练后的样本等级识别模型。
9.一种基于名老中医经验的规则机器人系统的使用方法，其特征在于，所述方法包括，获取待测样本；
启动辨症模型，将待测样本输入至辨症模型，获取辨证模型输出的所述待测样本的症状；
启动基础药方生成模型，将症状输入到基础药方生成模型，获取基础药方生成模型输出的所述症状的基础药方；
启动经验药方剂量生成模型，将所述基础药方输入到经验药方剂量生成模型，获取经验药方剂量生成模型输出的所述基础药方的经验药方剂量；
获取所述基础药方涉及的所有老中医ID；
获取每一个基础药方涉及的老中医ID开具的与该基础药方关联的完整药方，定义为老中医ID开具的完整药方；
依次计算每一个老中医ID开具的完整药方和基础药方的相似度得分；
将相似度得分按从大到小的顺序排列，选取最大相似度得分的老中医ID开具的完整药方作为最优药方输出。
10.一种基于名老中医经验的规则机器人系统，其特征在于，包括，
训练单元，用于执行如权利要求1至8中任意一项所述的基于名老中医经验的规则机器人系统的生成方法；
处理单元，用于执行如权利要求9所述的基于名老中医经验的规则机器人系统的使用方法；
辨症模型，与处理单元和训练单元分别连接；
基础药方生成模型，与处理单元和训练单元分别连接；
经验药方剂量生成模型，与处理单元和训练单元分别连接；
云端服务器，与处理单元和训练单元通信连接；
多个老中医客户端，每一个老中医客户端均与所述训练单元通信连接；每一个老中医客户端均与所述云端服务器通信连接，每一个老中医客户端均与处理单元通信连接；
多个实习医生客户端，每一个实习医生客户端均与所述训练单元通信连接；每一个实习医生客户端均与所述云端服务器通信连接；每一个实习医生客户端均与处理单元通信连接。