中醫(yī)診療數(shù)據(jù)的隱語(yǔ)義分析技術(shù)
發(fā)布時(shí)間:2023-05-27 05:52
中醫(yī)學(xué)是中國(guó)傳統(tǒng)文明中的重要組成部分,目前已經(jīng)被應(yīng)用于治療多種復(fù)雜疾病,并且取得了較好的效果。在大數(shù)據(jù)背景下,中醫(yī)臨床中已經(jīng)積累了大量的醫(yī)療數(shù)據(jù),對(duì)這些數(shù)據(jù)的建模與分析可以用于臨床輔助診療,帶動(dòng)中醫(yī)學(xué)的理論與臨床的發(fā)展。因此,如何結(jié)合中醫(yī)理論對(duì)臨床診療數(shù)據(jù)建模是一個(gè)研究重點(diǎn)。另外,這些數(shù)據(jù)中蘊(yùn)含著中醫(yī)實(shí)體之間的復(fù)雜的語(yǔ)義關(guān)系,如何利用這些數(shù)據(jù)提升模型的分析能力也是一個(gè)難題。因此,本文提出面向中醫(yī)診療數(shù)據(jù)的隱語(yǔ)義分析技術(shù)。具體地,本文通過改進(jìn)的主題建模方法挖掘中醫(yī)醫(yī)案數(shù)據(jù)中的癥狀與藥物之間的關(guān)系,并且為給定癥狀推薦藥物。首先,本文提出了多內(nèi)容LDA模型,引入中醫(yī)理論中病機(jī)的概念,分析醫(yī)案文檔中癥狀與藥物之間的關(guān)系,并且提出了相應(yīng)的藥物推薦方法。然后基于更加豐富的多種形式的中醫(yī)數(shù)據(jù),提出了兩種中醫(yī)實(shí)體的向量化表示方法,用于獲取包含更加豐富信息的中醫(yī)實(shí)體詞向量。進(jìn)一步地,本文將詞向量融入主題模型中,提出了多內(nèi)容詞向量LDA模型,具備更優(yōu)的分析效果和推薦性能。本文的主要貢獻(xiàn)點(diǎn)概括如下:·基于多內(nèi)容LDA模型的中醫(yī)診療提出了多內(nèi)容LDA模型MC-LDA,將中醫(yī)理論中的病機(jī)看作主題模型中的隱含主題...
【文章頁(yè)數(shù)】:99 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景
1.2 研究現(xiàn)狀
1.3 本文工作與主要貢獻(xiàn)
1.4 組織結(jié)構(gòu)
第二章 預(yù)備知識(shí)
2.1 主題模型
2.1.1 主題模型建模
2.1.2 主題模型參數(shù)學(xué)習(xí)
2.2 表示學(xué)習(xí)
2.2.1 word2vec
2.2.2 知識(shí)圖譜向量化表示
2.3 自編碼器
2.4 本章小結(jié)
第三章 基于多內(nèi)容LDA模型的中醫(yī)診療
3.1 問題定義
3.2 多內(nèi)容LDA模型
3.2.1 模型描述
3.2.2 參數(shù)學(xué)習(xí)
3.2.3 病機(jī)推斷
3.3 藥物推薦
3.4 實(shí)驗(yàn)及分析
3.4.1 實(shí)驗(yàn)設(shè)置
3.4.2 專家評(píng)估
3.4.3 MC-LDA模型的定量分析
3.4.4 MC-LDA模型的定性分析
3.4.5 藥物推薦對(duì)比分析
3.5 本章小結(jié)
第四章 中醫(yī)實(shí)體的向量化表示方法
4.1 基于上下文信息的實(shí)體向量化表示
4.1.1 癥狀實(shí)體向量化表示方法
4.1.2 藥物實(shí)體向量化表示方法
4.2 基于知識(shí)圖譜的實(shí)體向量化表示
4.2.1 中醫(yī)知識(shí)圖譜
4.2.2 基于翻譯模型TransE的實(shí)體向量化表示
4.3 本章小結(jié)
第五章 基于多內(nèi)容詞向量LDA模型的中醫(yī)診療
5.1 引言
5.2 問題定義
5.3 多內(nèi)容詞向量LDA模型
5.3.1 模型描述
5.3.2 參數(shù)學(xué)習(xí)
5.3.3 算法復(fù)雜度分析與優(yōu)化
5.4 藥物推薦
5.5 實(shí)驗(yàn)及分析
5.5.1 實(shí)驗(yàn)設(shè)置
5.5.2 專家評(píng)估
5.5.3 MC-eLDA模型的定量分析
5.5.4 MC-eLDA模型的定性分析
5.5.5 藥物推薦對(duì)比分析
5.6 本章小結(jié)
第六章 總結(jié)與展望
6.1 本文工作總結(jié)
6.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文和科研情況
本文編號(hào):3824022
【文章頁(yè)數(shù)】:99 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景
1.2 研究現(xiàn)狀
1.3 本文工作與主要貢獻(xiàn)
1.4 組織結(jié)構(gòu)
第二章 預(yù)備知識(shí)
2.1 主題模型
2.1.1 主題模型建模
2.1.2 主題模型參數(shù)學(xué)習(xí)
2.2 表示學(xué)習(xí)
2.2.1 word2vec
2.2.2 知識(shí)圖譜向量化表示
2.3 自編碼器
2.4 本章小結(jié)
第三章 基于多內(nèi)容LDA模型的中醫(yī)診療
3.1 問題定義
3.2 多內(nèi)容LDA模型
3.2.1 模型描述
3.2.2 參數(shù)學(xué)習(xí)
3.2.3 病機(jī)推斷
3.3 藥物推薦
3.4 實(shí)驗(yàn)及分析
3.4.1 實(shí)驗(yàn)設(shè)置
3.4.2 專家評(píng)估
3.4.3 MC-LDA模型的定量分析
3.4.4 MC-LDA模型的定性分析
3.4.5 藥物推薦對(duì)比分析
3.5 本章小結(jié)
第四章 中醫(yī)實(shí)體的向量化表示方法
4.1 基于上下文信息的實(shí)體向量化表示
4.1.1 癥狀實(shí)體向量化表示方法
4.1.2 藥物實(shí)體向量化表示方法
4.2 基于知識(shí)圖譜的實(shí)體向量化表示
4.2.1 中醫(yī)知識(shí)圖譜
4.2.2 基于翻譯模型TransE的實(shí)體向量化表示
4.3 本章小結(jié)
第五章 基于多內(nèi)容詞向量LDA模型的中醫(yī)診療
5.1 引言
5.2 問題定義
5.3 多內(nèi)容詞向量LDA模型
5.3.1 模型描述
5.3.2 參數(shù)學(xué)習(xí)
5.3.3 算法復(fù)雜度分析與優(yōu)化
5.4 藥物推薦
5.5 實(shí)驗(yàn)及分析
5.5.1 實(shí)驗(yàn)設(shè)置
5.5.2 專家評(píng)估
5.5.3 MC-eLDA模型的定量分析
5.5.4 MC-eLDA模型的定性分析
5.5.5 藥物推薦對(duì)比分析
5.6 本章小結(jié)
第六章 總結(jié)與展望
6.1 本文工作總結(jié)
6.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文和科研情況
本文編號(hào):3824022
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3824022.html
最近更新
教材專著