基于循环神经网络的智能中医开方模型训练方法及装置制造方法及图纸

本发明专利技术公开了一种基于循环神经网络的智能中医开方模型训练方法及装置，包括：构建证候要素库；将症状进行归类；将证候要素和症状进行编码，产生领域词向量和属性词向量；将领域词向量和属性词向量进行叠加产生叠加词向量；使用循环神经网络作为主干网络，将叠加词向量作为输入，预测第一个药材的特征向量a、第二个药材的特征向量b，以此类推，直到产生出给定数量的药材为止。解决了传统开方模型的词向量对词细腻度不够的问题，同时学习药材和药材间的关联，利用循环神经网络时序预测的特征，减少模型预测出药性相冲突的药材的可能性，并且可以体现出预测出的药材的重要性，方便医生后续进行减方或者药方改良。后续进行减方或者药方改良。后续进行减方或者药方改良。

【技术实现步骤摘要】
基于循环神经网络的智能中医开方模型训练方法及装置


[0001]本专利技术涉及自然语言处理
，尤其是涉及一种基于循环神经网络的智能中医开方模型训练方法及装置。

技术介绍

[0002]中医是基于阴阳五行以及长期的实践和验证的传统医学。其主要的诊疗思路可以用辨证论治进行概括，即首先根据病人的描述总结出症状，然后依据症状并且基于中医诊断学来判断出病人的证候要素，证候要素决定了病人的主要治疗方向，即可以从证候要素得出病人的治法。最后结合症状，证候要素和治法进行开方。但是中医的诊疗相对与西医来说更加需要经验的沉淀和积累，主要是由于症状和证候要素的判断缺乏统一的标准，同时药材的使用存在各种禁忌，比如所谓“十八反十九畏”等。而普通的医师很难独自进行辩证和开药，因此在现代中医系统中会有一个审方来对初级医师开具的方子进行审核，只有审核通过后才可以抓药。
[0003]目前深度学习的发展迅速，在各行各业都有着亮眼的表现，结合深度学习的智能中医开方系统也被广泛的研究并且使用。通过使用智能开方系统，可以辅助初级医师进行快速有效的诊断和开药，提高整个医疗系统的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环神经网络的智能中医开方模型训练方法，其特征在于，包括：S1确定所有的证候要素构建证候要素库；S2将症状依据所述证候要素库进行归类，构建训练样本标签；S3将所述证候要素进行独热编码产生独热向量a，将所述独热向量a输入到全连接层a中产生所述症状的领域词向量；S4将所述症状进行独热编码产生独热向量b，将所述的独热向量b输入到全连接层b中产生所述症状的属性词向量；S5将所述领域词向量和所述属性词向量进行叠加产生叠加词向量；S6使用循环神经网络作为主干网络，将所述叠加词向量组成的特征矩阵输入到所述循环神经网络的循环神经元中，经过非线性变换输出预测出的药材的特征向量a，将所述特征向量a和所述症状的特征矩阵进行拼接后再次输入回所述循环神经元中，产生第二个药材的特征向量b，以此类推，直到产生出给定数量的药材为止。2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：构建损失函数，并且用预测出的药材和所述训练样本标签作为输入计算损失，使用梯度下降更新模型的参数，直至连续预定迭代次数训练后所述损失不再降低，停止训练并保存模型。3.根据权利要求2所述的方法，其特征在于，所述损失函数包括：二元交叉熵；所述全连接层a为两层，所述全连接层b为两层。4.根据权利要求3所述的方法，其特征在于，所述循环神经网络为使用PyTorch作为构建平台在多个图形处理器上进行训练的长短期记忆网络，所述梯度下降方法包括：ADAM算法。5.一种基于循环神经网络的智能中医开方装置，其特征在于，包括：要素库模块：确定所有的证候要素构建证候要素库；分类模块：将症状依据所述证候要素库进行归类,构建训练样本标签；领域词模块：将所述证候要素进行独热编码产生独热向量a，将所...

【专利技术属性】
技术研发人员：王阶，李谦一，张振鹏，李洪峥，杜强，杨墨翰，郭雨晨，聂方兴，唐超，张兴，
申请(专利权)人：北京小白世纪网络科技有限公司，
类型：发明
国别省市：