【技术实现步骤摘要】
本专利技术涉及推荐，尤其涉及一种基于概率图的中医症状推荐方法及系统。
技术介绍
1、如今随着信息技术的不断成熟与发展，图形处理、数据挖掘、人工智能、机器学习等技术与中医四诊不断融合，这为中医四诊的客观化、信息化提供了技术保障，并且为更加准确地辨证提供了依据。尽管技术的发展极大的推动了中医现代化进程，但研究主攻的方向侧重于更容易完成信息采集的舌诊与脉诊，图像识别与脉冲信号识别为临床诊疗提供客观依据的同时，亦提高了中医国际化的认可程度，但关于问诊的客观化研究却相对较少。
2、近年来，随着新技术及数据挖掘技术在传统医学中的广泛应用，在中医症状推荐方面也取得了一定的研究成果。陈瑞等基于中医建模的紧迫性，结合数据挖掘及机器学习技术，对中医数据采取特征筛选和降维处理，提高模型效果。李杨辉对目前智能问诊领域存在的诸多问题提出构建基本的深度强化学习模型dqn，并加入卷积神经网络构建知识图谱，提高智能问诊在任务上的性能表现。另有王智康基于文献研究和“互联网+”技术，通过建模技术，设计中医临床诊疗信息模型框架和规范化的临床问诊量表，开发中医临床问诊信息采集程序，促进了互联网时代下问诊信息的数据化、结构化发展。因此，如何结合人工智能技术、立足中医理论，规范、全面、快速地采集临床相关问诊信息，完善智能中医症状模型以辅助医生进行更好地问诊，从而在认识疾病过程中解决“问所当问”的问题，促进精准辨证，是临症之首要任务，具有重要的临床价值。
技术实现思路
1、为了完善智能中医症状模型以辅助医生进行更好
2、一方面，本专利技术提供一种基于概率图的中医症状推荐方法，包括：
3、步骤1：获取用户输入的症状数据，并将输入的症状数据分为输入主症组和输入次症组；
4、步骤2：获取当前的次症-主症-证型三级结构的概率图；
5、步骤3：根据所述输入次症组和当前的概率图，确定与所述输入次症组关联的第一推荐主症组以及所述第一推荐主症组中各主症的推荐概率；
6、步骤4：将所述第一推荐主症组和所述输入主症组合并，根据合并后主症组和当前的概率图，确定与所述合并后主症组关联的推荐证型组以及所述推荐证型组中各证型的推荐概率；
7、步骤5：根据当前的概率图，对所述推荐证型组进行反向推荐，确定与所述推荐证型组关联的第二推荐主症组以及所述第二推荐主症组中各主症的推荐概率；
8、步骤6：根据当前的概率图，对所述第二推荐主症组进行反向推荐，确定与所述第二推荐主症组关联的推荐次症组以及所述推荐次症组中各次症的推荐概率。
9、进一步地，还包括：
10、获取证型以及与证型对应的症状数据；
11、将与证型对应的症状数据分为主症和次症，并构建次症-主症-证型三级结构的知识图；
12、动态更新次症与主症之间、主症与症型之间的推荐概率，并将推荐概率作为所述知识图中对应边的权重以得到当前的次症-主症-证型三级结构的概率图。
13、进一步地，步骤3具体包括：
14、针对输入次症组中的每个次症，在当前的概率图中进行单跳查询得到与其关联的主症，统计所有次症关联的主症得到第一推荐主症组；其中，按照下述公式计算第一推荐主症组中各主症的推荐概率：
15、
16、其中，表示由次症zc推荐主症zzi的推荐概率，表示概率图中由次症zck指向主症zzi所构成的边的权重，c表示次症的角标，ck表示第k个次症的角标，z表示主症的角标，zi表示第i个主症的角标，n1表示与主症zzi关联的次症个数。
17、进一步地，步骤4具体包括：
18、针对合并后主症组中的每个主症，屏蔽当前的概率图中的次症，在当前的概率图中进行单跳查询得到与其关联的证型，统计所有主症关联的证型得到推荐证型组；其中，按照下述公式计算推荐证型组中各证型的推荐概率：
19、
20、其中，表示由主症zz推荐证型zxxi的推荐概率，表示概率图中由主症zzk指向证型zxxi所构成的边的权重，z表示主症的角标，zk表示第k个主症的角标，x表示证型的角标，xi表示第i个证型的角标，n2表示与证型zxxi关联的主症个数。
21、进一步地，步骤5具体包括：
22、针对推荐证型组中的每个证型，在当前的概率图中进行单跳查询得到与其关联的主症，统计所有证型关联的主症得到第二推荐主症组；其中，按照下述公式计算第二推荐主症组中各主症的推荐概率：
23、
24、其中，表示由证型zxx推荐主症zzi的推荐概率，表示概率图中由证型zxxk指向主症zzi所构成的边的权重，z表示主症的角标，zi表示第i个主症的角标，x表示证型的角标，xk表示第k个证型的角标，n3表示与主症zzi关联的证型个数。
25、进一步地，步骤6具体包括：
26、对于次症zck，假设其对应主症zzj和证型zxxi，将其概率传播过程表示为：
27、
28、其中，pk表示由证型zxxi到主症zzj再到次症zck的推荐概率，表示概率图中由证型zxxi指向主症zzj所构成的边的权重，表示概率图中由主症zzj指向次症zck所构成的边的权重；
29、基于所述概率传播过程，针对第二推荐主症组中的每个主症，屏蔽当前的概率图中的证型，在当前的概率图中进行单跳查询得到与其关联的次症，统计所有主症关联的次症得到推荐次症组；其中，按照下述公式计算推荐次症组中各次症的推荐概率：
30、
31、其中，表示由证型zxxk指向主症zzi所构成的边的权重，表示由主症zzj指向次症zck所构成的边的权重，n4表示与主症zzi关联的证型个数，n5表示与次症zck关联的主症个数，表示由主症zz推荐次症zck的推荐概率。
32、另一方面，本专利技术提供一种基于概率图的中医症状推荐系统，包括：
33、症状输入模块，用于获取用户输入的症状数据，并将输入的症状数据分为输入主症组和输入次症组；
34、概率图获取模块，用于获取当前的次症-主症-证型三级结构的概率图；
35、次症推荐主症模块，用于根据所述输入次症组和当前的概率图，确定与所述输入次症组关联的第一推荐主症组以及所述第一推荐主症组中各主症的推荐概率；
36、主症推荐证型模块，用于将所述第一推荐主症组和所述输入主症组合并，根据合并后主症组和当前的概率图，确定与所述合并后主症组关联的推荐证型组以及所述推荐证型组中各证型的推荐概率；
37、证型推荐主症模块，用于根据当前的概率图，对所述推荐证型组进行反向推荐，确定与所述推荐证型组关联的第二推荐主症组以及所述第二推荐主症组中各主症的推荐概率；
38、主症推荐次症模块，用于根据当前的概率图，对所述第二推荐主症组进行反向推荐，确定与所述第二推荐主症组关联的推荐次本文档来自技高网...
【技术保护点】
1.基于概率图的中医症状推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，还包括：
3.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，步骤3具体包括：
4.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，步骤4具体包括：
5.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，步骤5具体包括：
6.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，步骤6具体包括：
7.基于概率图的中医症状推荐系统，其特征在于，包括：
8.根据权利要求7所述的基于概率图的中医症状推荐系统，其特征在于，还包括：
【技术特征摘要】
1.基于概率图的中医症状推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，还包括：
3.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，步骤3具体包括：
4.根据权利要求1所述的基于概率图的中医症状推荐方法，其特征在于，步骤4具体包括：
...【专利技术属性】
技术研发人员：褚剑锋，黄彬，樊好义，周常恩，
申请(专利权)人：福建中医药大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。