一种基于特征偏差对齐的方剂功效分类方法技术

本发明专利技术公开了一种基于特征偏差对齐的方剂功效分类方法，包括以下步骤：S1，数据预处理模块：将方剂以最小语义单元进行划分，对同物异名中药进行替换，利用语言模型对最小语义单元进行预训练；S2，数据增广模块：基于方剂语义单元顺序性弱的特点，对原始样本进行随机乱序处理，生成副样本，所述原始样本与所述副样本共同构成训练样本；S3，深度学习特征提取网络模块：采用深度学习模型对所述训练样本进行特征提取，得到训练样本特征图；S4，特征偏差对齐无参网络模块：基于度量学习，对所述训练样本特征图进行偏差计算；S5，融合特征偏差对齐的优化函数：将所述训练样本特征图偏差计算作为交叉熵损失函数的正则项，共同参与网络参数的更新计算，提升网络样本特征的学习能力。提升网络样本特征的学习能力。提升网络样本特征的学习能力。

A classification method of prescription efficacy based on feature deviation alignment

【技术实现步骤摘要】
一种基于特征偏差对齐的方剂功效分类方法


[0001]本专利技术涉及中医药人工智能
，特别涉及一种基于特征偏差对齐的方剂功效分类方法。

技术介绍

[0002]中医药是中华民族优秀传统文化的重要组成部分，已经流传数千年，有其丰厚的文化底蕴和民众根基，在当今人类社会的医疗保健体系中仍发挥着重要作用。中药作为中医的物质载体，是在中医理论基础的指导下，经过采集、炮制、制剂，可用于防未病、治疾病，兼具康复与保健效能的药物总称。每味中药都具有不同的属性特征，即药性，包括性味归经、升降浮沉、毒性等。中药之间也具有多种相互作用关系，中医称之为“七情配伍”，包含单行、相须、相使、相畏、相杀、相恶、相反。其中中药的药性与配伍关系是中医辨证论治的基础，也是方剂组成的内在核心。方剂中的中药一般可分为君药、臣药、佐药、使药，医者对患者进行“望”“闻”“问”“切”得知病情，结合药性特征、药物七情关系，有选择地将药物进行联合使用，以起到对症治疗的功效。即方剂的功效是方剂防治疾病的效应，是中药相互作用的结果。当前，系统阐明组方配伍与功效之间深层关系是现代方剂研究中的一个紧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征偏差对齐的方剂功效分类方法，其特征在于，所述方法包括以下步骤：S1，数据预处理模块：将方剂以最小语义单元进行划分，对同物异名中药进行替换，利用语言模型对最小语义单元进行预训练；S2，数据增广模块：基于方剂语义单元顺序性弱的特点，对原始样本进行随机乱序处理，生成副样本，所述原始样本与所述副样本共同构成训练样本；S3，深度学习特征提取网络模块：采用深度学习模型对所述训练样本进行特征提取，得到训练样本特征图；S4，特征偏差对齐无参网络模块：基于度量学习，对所述训练样本特征图进行偏差计算；S5，融合特征偏差对齐的优化函数：将所述训练样本特征图偏差计算作为交叉熵损失函数的正则项，共同参与网络参数的更新计算，提升网络样本特征的学习能力。2.根据权利要求1所述的方剂功效分类方法，其特征在于，在步骤S1的所述数据预处理模块中，利用方剂组成弱语序特点，采用人工智能技术提升深度学习模型在方剂功效分类上的性能。3.根据权利要求1所述的方剂功效分类方法，其特征在于，步骤S1的所述数据预处理模块还包括：S11，中药单元抽取，针对方剂数据，以每味中药名为最小语义单元，进行原始方剂组成划分与清洗；S12，最小语义单元替换，构建中药别名库，针对方剂中存在的同物异名、同名异物中药进行替换；S13，中药向量化表示，采用自然语言处理领域词向量技术，对方剂样本进行预训练，获得中药的初始化向量表示。4.根据权利要求3所述的方剂功效分类方法，其特征在于，步骤S11的所述中药单元抽取中，以有功效的方剂数据为有标签方剂数据，无功效的方剂数据为无标签方剂数据；以所述无标签方剂数据进行无监督的语言模型训练，所述有标签方剂数据中的中药进行检索...

【专利技术属性】
技术研发人员：丁长松，高婉卿，李力松，黄辛迪，梁杨，
申请(专利权)人：湖南中医药大学，
类型：发明
国别省市：