1.一种基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：获取文字朗读录音后通过ASR程序自动翻译成文本；然后将文本按照如下的NLP处理方法判断患者是否患有AD，具体为：步骤1、采集预设数量的学习样本，按照AD患者和健康人的标签分类成AD组和健康人组；

步骤2、将文本中的词汇按照出现频率高低排序，对AD患者组抽取前n个高频词，构成集合A；对健康人组抽取前m个高频词，构成集合B；

步骤3、C＝(A∪B)-(A∩B)，按照上述公式得到新的集合C；

步骤4、根据新集合C重新选择文本；

步骤5、采用线性线性分类器，得到学习模型；

步骤6、将学到的模型用于系统，判断用户是否患有AD。

2.根据权利要求1所述的基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：所述的步骤5中，线性分类时，将两个样本合并，并随机抽取n％做训练样本，剩余(100-n)％为测试样本。

3.根据权利要求2所述的基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：线性线性分类器包括支持向量机、朴素贝叶斯、决策树、随机森林对样本进行分类学习，得到学习模型。

4.一种基于人工智能的早期阿尔茨海默病诊断系统，其特征在于：包括朗读文字获取模块，获取文字朗读录音后通过人工智能ASR程序自动翻译成文本；

NLP判断AD模块，将文本按照如下的NLP处理方法判断患者是否患有AD具体为：采集预设数量的学习样本，按照AD患者和健康人的标签分类成AD组和健康人组；

将文本中的词汇按照出现频率高低排序，对AD患者组抽取前n个高频词，构成集合A；对健康人组抽取前m个高频词，构成集合B；

C＝(A∪B)-(A∩B)，按照上述公式得到新的集合C；

根据新集合C重新选择文本；

采用线性线性分类器，得到学习模型；

将学到的模型用于测试，给出用户是否患有AD的判断。

5.根据权利要求4所述的基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：采用线性线性分类器进行线性分类时，将两个样本合并，并随机抽取n％做训练样本，剩余(100-n)％为测试样本。

6.根据权利要求4所述的基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：线性线性分类器包括支持向量机、朴素贝叶斯、决策树、随机森林对样本进行分类学习，得到学习模型。