申请/专利权人：重庆邮电大学

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117747125A

主分类号：G16H50/70

分类号：G16H50/70;G06F16/36;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及医疗领域和数据挖掘技术领域，特别涉及一种利用疾病知识图谱发现疾病‑症状关联关系的方法，包括将疾病知识图谱分解得到疾病和症状相关的二分网络，并以邻接矩阵的形式保存；根据二分网络计算疾病节点和症状节点的相似性矩阵，并将其融合为一个综合疾病相似性矩阵和一个综合症状相似性矩阵；构建图自编码器提取得到节点的非线性表示；使用非负矩阵分解提取节点的线性表示；将线性表示和非线性表示结合，通过全连接神经网络进行疾病‑症状关联预测；本发明在相似性网络计算阶段提出了一种更全面且有效的相似性网络计算方法，将图结构上下文信息与节点序列信息相结合，获得更可靠的相似性网络。

主权项：1.一种利用疾病知识图谱发现疾病-症状关联关系的方法，其特征在于，具体包括以下步骤：S100、将疾病知识图谱分解为多个包括疾病节点或和症状节点的二分网络，并将二分网络以邻接矩阵的形式保存；S200、根据所有得到的二分网络计算疾病节点和症状节点的相似性矩阵，并将其融合为一个综合疾病相似性矩阵和一个综合症状相似性矩阵；S300、构建图自编码器，利用图自编码器基于综合疾病相似性矩阵与一个疾病节点的向量表示提取得到该疾病节点的非线性表示，基于综合症状相似性矩阵与一个症状节点的向量表示提取得到该疾病节点的非线性表示；S400、使用非负矩阵分解提取疾病和症状的线性表示，即将疾病-症状关联矩阵分解为疾病的线形表示矩阵U和症状的线形表示矩阵V，且U和V为低秩非负矩阵；S500、将线性表示和非线性表示结合，通过全连接神经网络进行疾病-症状关联预测。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种利用疾病知识图谱发现疾病-症状关联关系的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD