CN116680412B 一种基于知识图谱的中医处方推 荐方法 （河南科技大学）

据患者的不同症状和病情归纳证候选择不同的法，考虑个人体征及症状和药物之间的复杂关2症状节点和所有中药节点，并选出与症状节点或中药节点存在关系连线的年龄信息节点、合其它信息的中药节点向量表示h'：;然后通过ComplEx模型的嵌入层对融合其它信息的症状节点向量表示s'和融合其它信将使用图嵌入模型后的症状节点向量表示e's和使用图嵌入模型后的中药节点向量表;e'se'he'se'he'h;;3入向量进行冻结或微调：;步骤五、通过图卷积神经网络学习症状节点自身特征信息rs和中药节点自身特征信息药节点自身特征信息rh通过中药节点在图卷积神经网络中每;;;步骤六、采用注意力机制将图谱特征与推荐系统相状节点向量表示e's和症状节点自身特征信息rs得到症状节点的Query矩阵、Key矩阵和;根据使用图嵌入模型后的中药节点向量表示e'h和中药节点自身特征信息rh得到中药;分别为从多头注意力层中的三个线性变换层学到的参数矩然后通过softmax函数计算症状节点的注意力矩阵As和中药4然后求得症状节点的融合表示向量es*和中药节点;;根据症状节点的融合表示向量es*得到总体症状;,应于症状实体集合sc中的症状节点的融合表;;;对于每个候选中药，计算其预测概率与真实标签之间的二元交叉熵损5[0001]本发明涉及中医处方推荐领域，尤其涉及一种基于知识图谱的中医处方推荐方6融合其它信息的中药节点向量表示h'：[0013]然后通过ComplEx模型的嵌入层对融合其它信息的症状节点向量表示s'和融合其e'h[0015]将使用图嵌入模型后的症状节点向量表示e's和使用图嵌入模型后的中药节点向e'se'he's7;信息rh，症状节点自身特征信息rs通过症状节点在图卷积神经网络中每一层的向量表示获[0038]根据使用图嵌入模型后的中药节点向量表示e'h和中药节点自身特征信息rh得到8[0040]分别为从多头注意力层中的三个线性变换层学到的参[0049]然后将多热向量xsc作为掩码，对总体症状矩阵Es*进行抽取，得到辨别证候矩阵[0051]通过diag函数将多热向量xsc转换为一个对角矩阵，并使辨别证候矩阵Msc中的非零行对应于症状实体集合sc中的症状节点的融合表示9的不同症状和病情归纳证候选择不同的药材组合，提出融合知识图谱的中医处方推荐方融合其它信息的中药节点向量表示h'：[0073]然后通过ComplEx模型的嵌入层对融合其它信息的症状节点向量表示s'和融合其e'h[0075]将使用图嵌入模型后的症状节点向量表示e's和使用图嵌入模型后的中药节点向e'se'he's;药节点自身特征信息通过中药节点在图卷积神经网络中每的症状节点向量表示e's和症状节点自身特征信息得到症状节点的Query矩阵、Key矩阵和[0098]根据使用图嵌入模型后的中药节点向量表示e'h和中药节点自身特征信息rh得到[0100]分别为从多头注意力层中的三个线性变换层学到的参[0109]然后将多热向量xsc作为掩码，对总体症状矩阵Es*进行抽取，得到辨别证候矩阵[0111]通过dia