申请/专利权人：东南大学

申请日：2021-11-19

公开（公告）日：2024-04-02

公开（公告）号：CN114121212B

主分类号：G16H20/10

分类号：G16H20/10;G16H20/90;G06N5/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明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。

主权项：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，其中，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eh,r,et，其中eh,r,et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Wr∈Rk×d矩阵投影到关系r所在的k维关系空间内，得到实体eh在关系空间内的嵌入表示和实体et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；步骤2具体为：步骤21.令知识图谱中实体eh在经过步骤1的TransR嵌入后得到的初始嵌入表示为eh，与实体eh直接连接的其他实体称为该实体的直接邻居，用表示eh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eh的邻居实体et在聚合表示过程中所占的权重，同时理解为关系r对实体eh的重要性，权重依赖于在关系r的空间中eh和et的距离，定义如公式2所示： 其中d表示嵌入维度是可训练的权重矩阵，er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eh的邻居聚合表示后，利用来更新该实体的原始嵌入eh，经过直接邻居信息聚合并更新后的实体eh的嵌入表示为其中fagg·是聚合函数，定义如公式3所示： 其中d表示嵌入维度是可训练的权重矩阵，⊙表示元素乘积，LeakyReLU是激活函数；步骤23.在步骤21和步骤22的基础上，进一步堆叠更多的传播层来获得每个实体的高阶邻居聚合表示，在l层网络中递归地进行上述实体嵌入表示更新，信息在知识图谱中逐节点传播，经过l层的传播，最后一层实体eh的表示信息包含了eh在l步内可以到达的高阶邻居实体信息。

全文数据：

权利要求：

百度查询： 东南大学 一种基于知识图谱和群表示学习的中药处方生成方法

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