基于超图神经网络的中草药方剂推荐方法技术

本发明专利技术涉及一种基于超图神经网络的中草药方剂推荐方法。通过将中医证型和状态要素集成到推荐中，提出了一个高阶关系诱导的模型，称为多超图卷积神经网络(MHGCN)；该模型对患者间的高阶关系构建超图，从而联合相关患者学习病情的鲁棒表示。具体而言，首先分别利用证型和状态要素引起的患者之间的高阶关系进行建模，以超图的形式进行表示。然后，通过堆叠超图卷积得到病情的综合表示。最后，使用一个多层感知机作为分类器进行最终的中药预测。实验结果表明，与现有的方法相比，本发明专利技术方法获得了更精准的推荐结果，取得了较好的效果。取得了较好的效果。取得了较好的效果。

【技术实现步骤摘要】
基于超图神经网络的中草药方剂推荐方法


[0001]本专利技术属于推荐
，具体涉及一种基于超图神经网络的中草药方剂推荐方法。

技术介绍

[0002]中医作为一种传承千年的疾病治疗技术，在中国现代社会中发挥着重要作用，尤其在治疗一些疑难杂症方面具有较好疗效，并且在西方国家中越来越频繁被使用[1]。方剂是一组草药，是中医治疗的主要方式，在中国几千年的历史中，已记载了数千种可以用以治疗的草药。中医理论的基础是整体观念，强调人体的完整性及其与自然环境的相互关系[2]。在中医临床诊疗过程中，“辩证论治”[3]是最常用的中医诊疗理论，其起源于《黄帝内经》，发展于《伤寒论》，主张从病人当前阶段的症状中所反映的病因、病位、病性和病势总结出一个中医证型，再结合所得的中医证型信息，开出相应的中医方剂进行病症的治疗。2011年，李灿东教授提出的“状态辨识”[4]理论中，进一步阐明了“辩证论治”的过程，其主张在证型归纳之前，先从症状组所反应的疾病的程度、部位、性质中提炼出一组状态要素。两种理论相结合，有助于提升中医诊疗的客观规范性和临床实用性。从上述理论中可以看出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超图神经网络的中草药方剂推荐方法，其特征在于，该系统构建一个高阶关系诱导的模型，即多超图卷积神经网络MHGCN，具体即：首先分别利用中医证型和状态要素引起的患者之间的高阶关系进行建模，以超图的形式进行表示；然后，通过堆叠超图卷积得到病情的综合表示；最后，使用一个多层感知机作为分类器进行最终的中药预测。2.根据权利要求1所述的基于超图神经网络的中草药方剂推荐方法，其特征在于，该系统具体包括用于实现超图构造的多超图构造模块、用于将超图卷积得到病情的综合表示的超图卷积模块、用于根据病情的综合表示实现中药预测的中药预测模块。3.根据权利要求2所述的基于超图神经网络的中草药方剂推荐方法，其特征在于，所述多超图构造模块具体实现如下：对于每个处方数据集，构造两个超图，分别是患者
‑
证候超图G
st
＝(V，E
st
，W
st
)和患者
‑
状态要素超图G
se
＝(V，E
se
，W
se
)；其中，V在两个超图中是相同的，代表超图的节点集合，每个节点v∈V代表一个患者；E
st
和E
se
分别是G
st
和G
se
的超边缘集合，每个超边缘e∈E
st
代表一个证候，每个超边缘e∈E
se
代表一个状态要素组合；W
st
和W
se
分别是G
st
和G
se
的超边缘权重矩阵，W
st
和W
se
都被设置为单位矩阵。4.根据权利要求2所述的基于超图神经网络的中草药方剂推荐方法，其特征在于，所述超图卷积模块具体实现如下：对于超边性质不一致的超图G
se
和G
st
，建立两个超图神经网络模型来计算病情包含不同中医领域知识的中间表示，分别用A
se
和A
st
示G
se
和G
st
的归一化超图邻接矩阵，则G
se
和G
st
上的超图卷积层可以被简单地表示为：的超图卷积层可以被简单地表示为：其中，和分别是G
st
和G
st
上第L层超图卷积层的节点特征矩阵，和分别是G
st
和G
st
上第L层超图卷积层的特征变换权重矩阵，经过K层超图卷积层的传播，分别从两个超图中得到症状组的嵌入表示Z
se
和Z
st
：Z
se
＝σ
K
(A
se

【专利技术属性】
技术研发人员：李佐勇，卢维楷，陈健，樊好义，曹新容，
申请(专利权)人：闽江学院，
类型：发明
国别省市：