一种基于知识图谱和群表示学习的中药处方生成方法技术

本发明专利技术公开一种基于知识图谱和群表示学习的中药处方生成方法，依次包括以下步骤：步骤1.构建中药知识图谱，以草药为核心，将草药的性味归经功效等属性封装为三元组，并将处方数据集中症状与草药的治疗关系也加入知识图谱，最终形成中药知识图谱步骤2.通过知识图谱中邻域信息的传播和聚合来更新每个实体的嵌入表示，步骤3.根据步骤2得到的实体嵌入表示，将每个处方样本对应的症状组合视为一个群，并将群表示信息与中药知识图谱中的草药实体进行交互学习，最终输出最适用于症状组合的若干个草药，形成中药处方。本发明专利技术主要利用数据挖掘方法来模拟中医诊疗中“辨证论治”的过程，实现了根据症状开具辅助临床治疗的中药处方。的中药处方。的中药处方。

【技术实现步骤摘要】
一种基于知识图谱和群表示学习的中药处方生成方法


[0001]本专利技术涉及一种中药处方生成方法，具体涉及一种基于知识图谱和群表示学习的中药处方生成方法。

技术介绍

[0002]中药处方生成是通过分析症状和草药之间的相互作用关系来生成一组用于治疗患者症状的草药。中医的实际诊治过程是医师根据患者的症状推导出证候，然后根据该证候开具处方。辨证论治是中医认识和治疗疾病的基本原则，是中医对疾病的特殊研究和治疗方法。证候是由具有主辅之分的多个症状揭示出的疾病本质。一组症状在影响证候归纳的决策中会发挥不同的作用，证候归纳并不是简单地将每个症状累加，而是根据每个症状的主次进行综合辨析，最终归纳出这组症状的证候。
[0003]知识图谱是由丰富的实体和关系信息组成的大型语义网络，可以用于补充推荐任务中用户和项目的关系。知识图谱中基于嵌入的方法和基于路径的方法是知识图谱推荐中常见的两种类型。基于嵌入的方法主要是利用图谱中的信息将实体和关系进行更好的特征表示。Trans类模型是基于嵌入方法的代表。基于路径的方法则利用知识图谱中的元路径或者元图等连通性模式进行推本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱和群表示学习的中药处方生成方法，其特征在于，依次包括以下顺序执行的步骤：步骤1.知识图谱构建与初始嵌入层：以草药为核心，将草药的性味归经功效等属性封装为三元组，并将处方数据集中症状与草药的治疗关系也加入知识图谱，最终形成中药知识图谱并通过TransR模型初始化知识图谱中每个实体的嵌入表示；步骤2.邻居信息传播与聚合层：通过知识图谱中的高阶邻域信息传播和聚合来更新每个实体的嵌入表示，用于丰富中药知识图谱中每个实体的语义关系；步骤3.证候归纳与预测层：根据步骤2得到的实体嵌入表示，将每个处方样本对应的症状组合视为一个群，用群来代表中医理论中的证候信息，利用注意力机制学习这个群的嵌入表示，并将群表示信息与中药知识图谱中的草药实体进行交互学习，最终输出最适用于症状组合的若干个草药，形成中药处方。2.根据权利要求1所述的一种基于知识图谱和群表示学习的中药处方生成方法，其特征在于，步骤1具体为：中药知识图谱中的存在的三元组，令该三元组的符号表示为(e
h
，r，e
t
)，其中e
h
，r，e
t
分别代表知识图谱的头实体、关系(hasEffect)和尾实体，首先将d维实体空间内的实体通过W
r
∈R
k
×
d
矩阵投影到关系r所在的k维关系空间内，得到实体e
h
在关系空间内的嵌入表示和实体e
t
在关系空间内的嵌入表示再通过优化平移原理使得其中r是关系r在k维关系空间内的嵌入表示，按照上述方法，最终得到中药知识图谱中每个实体通过TransR模型训练后的初始嵌入表示。3.根据权利要求2所述的一种基于知识图谱和群表示学习的中药处方生成方法，其特征在于，步骤2具体为：步骤21.令知识图谱中实体e
h
在经过步骤1的TransR嵌入后得到的初始嵌入表示为e
h
，与实体e
h
直接连接的其他实体称为该实体的直接邻居，用表示e
h
的直接邻居实体，邻居实体的聚合表示如公式(1)所示：其中是e
h
的邻居实体e
t
在聚合表示过程中所占的权重，同时理解为关系r对实体e
h
的重要性，权重依赖于在关系r的空间中e
h
和e
t
的距离，定义如公式(2)所示：π(e
h
，r，e
t
)＝(W
r
e
t
)
T
tanh((W
r
e
h
+e
r
))#(2)其中(d表示嵌入维度)是可训练的权重矩阵，e
r
是关系r的嵌入表示，最后由softmax函数将权重归一化为步骤22.在得到实体e
h
的邻居聚合表示后，利用来更新该实体的原始...

【专利技术属性】
技术研发人员：王伟，李书晨，何洁月，
申请(专利权)人：东南大学，
类型：发明
国别省市：