中医实体表示学习与中药推荐技术

发布时间：2023-02-05 20:42

　　中医是我国传统医学,在医疗保健领域发挥了重要的积极作用。近年来,以机器学习为代表的人工智能技术飞速发展,为中医实现现代化、信息化、智能化带来了机遇。利用机器学习技术开发中药推荐模型,即实现根据一组症状,智能化地输出一组中药,可以帮助医生在中医临床实践中更准确、更科学地制定医疗决策,同时促进中医更好发展。目前主流的中药推荐方法多以主题模型为基础,仅利用症状、中药间的共现信息,不能很好的建模二者的联系。因此,将中医领域知识引入中药推荐任务,可以更好地建模症状、中药之间的关联,从而提升中药推荐模型的性能。本文深入对如何融合中医领域知识以更好地进行中药推荐这个问题展开研究。首先利用知识图谱技术,建模、组织多源异构的中医领域知识,以便高效利用;进一步提出基于中医异质图的表示学习方法以获得更有效的中医实体表示,支撑中药推荐任务;最后提出融合中医实体表示和中药配伍知识的主题模型,以进行中药推荐任务,实现中医临床诊断的智能化。本文主要工作总结如下:·建立了信息丰富的中医领域知识图谱。利用知识图谱技术,基于多源异构数据,以自顶向下的模式构建中医领域知识图谱,实现对中医领域知识的统一组织;·提出了中医异质...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 研究问题
    1.4 主要贡献
    1.5 组织架构
第二章 预备知识
    2.1 知识图谱
        2.1.1 知识图谱简介
        2.1.2 相关技术
        2.1.3 常见的知识图谱
    2.2 表示学习方法
        2.2.1 图表示学习方法
        2.2.2 图神经网络
        2.2.3 知识图谱表示学习方法
    2.3 主题模型
        2.3.1 文本建模
        2.3.2 参数学习
    2.4 本章小结
第三章 中医知识图谱
    3.1 研究背景
    3.2 中医知识图谱的构建流程
        3.2.1 概述
        3.2.2 中医知识本体构建
        3.2.3 中医领域数据来源
        3.2.4 信息抽取
        3.2.5 数据统计
    3.3 中医知识图谱的应用
        3.3.1 中医知识查询
        3.3.2 基于知识图谱的中医实体向量表示
    3.4 本章小结
第四章 基于异质图的中医实体表示学习模型
    4.1 研究背景
    4.2 概念定义及问题定义
        4.2.1 概念定义
        4.2.2 问题定义
    4.3 方法
        4.3.1 中医异质图的构建
        4.3.2 中医实体向量表示的构建
        4.3.3 目标函数的构建
        4.3.4 训练数据的构建
    4.4 实验及分析
        4.4.1 实验设置
        4.4.2 链接预测
        4.4.3 中医实体向量表示可视化
    4.5 本章小结
第五章 融合中医实体表示的主题模型的中药推荐
    5.1 研究背景
    5.2 问题及符号定义
    5.3 融合中医实体表示的模型
        5.3.1 TCMETM模型的推断
    5.4 融合中医配伍知识的模型
    5.5 药物推荐
    5.6 实验及分析
        5.6.1 实验设置
        5.6.2 中药推荐(问题1)
        5.6.3 主题评价(问题2)
        5.6.4 λ对结果的影响(问题3)
    5.7 中药推荐系统
    5.8 本章小结
第六章 总结与展望
    6.1 总结
    6.2 未来工作展望
参考文献
致谢
攻读硕士学位期间发表论文和科研情况



本文编号：3735637