發(fā)布時間：2023-02-05 20:42

　　中醫(yī)是我國傳統(tǒng)醫(yī)學,在醫(yī)療保健領域發(fā)揮了重要的積極作用。近年來,以機器學習為代表的人工智能技術飛速發(fā)展,為中醫(yī)實現(xiàn)現(xiàn)代化、信息化、智能化帶來了機遇。利用機器學習技術開發(fā)中藥推薦模型,即實現(xiàn)根據(jù)一組癥狀,智能化地輸出一組中藥,可以幫助醫(yī)生在中醫(yī)臨床實踐中更準確、更科學地制定醫(yī)療決策,同時促進中醫(yī)更好發(fā)展。目前主流的中藥推薦方法多以主題模型為基礎,僅利用癥狀、中藥間的共現(xiàn)信息,不能很好的建模二者的聯(lián)系。因此,將中醫(yī)領域知識引入中藥推薦任務,可以更好地建模癥狀、中藥之間的關聯(lián),從而提升中藥推薦模型的性能。本文深入對如何融合中醫(yī)領域知識以更好地進行中藥推薦這個問題展開研究。首先利用知識圖譜技術,建模、組織多源異構的中醫(yī)領域知識,以便高效利用;進一步提出基于中醫(yī)異質圖的表示學習方法以獲得更有效的中醫(yī)實體表示,支撐中藥推薦任務;最后提出融合中醫(yī)實體表示和中藥配伍知識的主題模型,以進行中藥推薦任務,實現(xiàn)中醫(yī)臨床診斷的智能化。本文主要工作總結如下:·建立了信息豐富的中醫(yī)領域知識圖譜。利用知識圖譜技術,基于多源異構數(shù)據(jù),以自頂向下的模式構建中醫(yī)領域知識圖譜,實現(xiàn)對中醫(yī)領域知識的統(tǒng)一組織;·提出了中醫(yī)異質...

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 研究問題
    1.4 主要貢獻
    1.5 組織架構
第二章 預備知識
    2.1 知識圖譜
        2.1.1 知識圖譜簡介
        2.1.2 相關技術
        2.1.3 常見的知識圖譜
    2.2 表示學習方法
        2.2.1 圖表示學習方法
        2.2.2 圖神經網(wǎng)絡
        2.2.3 知識圖譜表示學習方法
    2.3 主題模型
        2.3.1 文本建模
        2.3.2 參數(shù)學習
    2.4 本章小結
第三章 中醫(yī)知識圖譜
    3.1 研究背景
    3.2 中醫(yī)知識圖譜的構建流程
        3.2.1 概述
        3.2.2 中醫(yī)知識本體構建
        3.2.3 中醫(yī)領域數(shù)據(jù)來源
        3.2.4 信息抽取
        3.2.5 數(shù)據(jù)統(tǒng)計
    3.3 中醫(yī)知識圖譜的應用
        3.3.1 中醫(yī)知識查詢
        3.3.2 基于知識圖譜的中醫(yī)實體向量表示
    3.4 本章小結
第四章 基于異質圖的中醫(yī)實體表示學習模型
    4.1 研究背景
    4.2 概念定義及問題定義
        4.2.1 概念定義
        4.2.2 問題定義
    4.3 方法
        4.3.1 中醫(yī)異質圖的構建
        4.3.2 中醫(yī)實體向量表示的構建
        4.3.3 目標函數(shù)的構建
        4.3.4 訓練數(shù)據(jù)的構建
    4.4 實驗及分析
        4.4.1 實驗設置
        4.4.2 鏈接預測
        4.4.3 中醫(yī)實體向量表示可視化
    4.5 本章小結
第五章 融合中醫(yī)實體表示的主題模型的中藥推薦
    5.1 研究背景
    5.2 問題及符號定義
    5.3 融合中醫(yī)實體表示的模型
        5.3.1 TCMETM模型的推斷
    5.4 融合中醫(yī)配伍知識的模型
    5.5 藥物推薦
    5.6 實驗及分析
        5.6.1 實驗設置
        5.6.2 中藥推薦(問題1)
        5.6.3 主題評價(問題2)
        5.6.4 λ對結果的影響(問題3)
    5.7 中藥推薦系統(tǒng)
    5.8 本章小結
第六章 總結與展望
    6.1 總結
    6.2 未來工作展望
參考文獻
致謝
攻讀碩士學位期間發(fā)表論文和科研情況



本文編號：3735637