论文部分内容阅读
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;·提出了中医异质图表示学习算法(TCM Entity Enembedding Model Based on Heterogeneous Network,简称为TCME)。针对中医信息异质性的建模、中医实体高阶联通性的建模等中医实体表示学习的主要问题,提出TCME模型,获取基于异质图的中医实体向量,更好地支撑中药推荐任务;·提出了融合中医实体表示的基于主题模型的中药推荐算法(TCM Entity Em-bedding Enhanced Topic Moldel,简称为 TCMETM)。创新性地将中 医实体向量表示引入中药推荐任务,更好地建模症状与中药的关联;同时引入中医配伍知识,提出 HC-TCMETM 模型(Herbal compability TCMETM),使中药推荐结果更加有效且合理。