[发明专利]一种基于多任务深度神经网络的中药功效预测方法

权利要求书

1.一种基于多任务深度神经网络的中药功效预测方法，其特征在于，包括以下步骤：

(A)采集相关中医药数据，整合形成药材库；

(B)根据上述药材库与23大类功效表，将中药材功效总结归类，构建药材功效矩阵；

(C)根据上述药材库中的药材性味归经特性构建性味归经二值矩阵；

(D)根据所述性味归经二值矩阵与药材功效矩阵的信息划分为训练集与外部验证集；

(E)基于所述训练集，使用多任务深度神经网络进行训练，建立预测模型；

(F)基于所述预测模型对所述外部验证集进行预测；通过输入药材，预测药材可能具有的功效。

2.根据权利要求1所述的一种基于多任务深度神经网络的中药功效预测方法，其特征在于所述步骤(A)通过文献、数据库和其他网络资源途径，基于人工、网络爬虫、文本挖掘的方法采集中药材相关数据，整合形成药材库；药材库中包含了药材所具有的性味归经信息与功效信息。

3.根据权利要求1所述的一种基于多任务深度神经网络的中药功效预测方法，其特征在于所述步骤(B)中的23大类功效表由医学专业人员提供，分别是补气、安神、开窍、化湿、温胃止呕、涌吐药、补血、祛风除湿、平肝息风、利尿通淋、温里理气、拔毒生肌、活血化瘀、消食、杀虫解毒、止痛、发散风寒、敛肺涩肠、收敛止血清热解毒、泻下、清热泻火、化痰止咳平喘、发散风热；通过对采集到的药材库内的功效文本信息进行匹配，得到药材功效矩阵，矩阵大小为(1249,23)；通过对采集到的药材库信息进行匹配，具有某种功效则标记为1反之为0，最终得到药材的23种功效序列组成的功效矩阵；设药材A具有补气、祛风除湿、平肝息风、杀虫解毒、发散风寒、收敛止血清热解毒、清热泻火、发散风热这些功效，则药材A的功效向量为：

Y＝[y₁,y₂,y₃,...,y₂₃]＝[1,0,0,0,0,0,0,1,1,0,0,0,0,0,1,0,1,0,1,0,1,0,1]。

4.根据权利要求1所述的一种基于多任务深度神经网络的中药功效预测方法，其特征在于步骤(C)根据中草药特性定义了五种基本特性：凉、温、平、寒、热；五种基本口味：辛、甘、酸、苦、咸；十二种经络：心、肝、脾、肺、肾、胃、胆、三焦、大肠、小肠、膀胱、心包；以及有无毒性，根据药材是否具有某种性味归经特性，具有某种特性则标记为1反之为0，构建药材性味归经二值矩阵，矩阵大小为(1249,23)；例如药材B有凉、平、毒、寒的特性，甘、苦的味道，进入心、肝脉络中，则药材B的性味归经向量为：

V＝[v₁,v₂,v₃,...,v₂₃]＝[1,0,1,1,1,0,0,1,0,1,0,1,1,0,0,0,0,0,0,0,0,0,0]。

5.根据权利要求1所述的一种基于多任务深度神经网络的中药功效预测方法，特征在于所述步骤(D)中在数据集中随机抽取40条样本作为外部验证集，将其余1209条药材样本按8:2的比例分为训练集和测试集，使用外部验证集验证模型的预测性能；所述训练集的每一个样本都由一味药材的性味归经向量表示，任务的因变量为该药材所具有的的功效序列。

6.根据权利要求1所述的一种基于多任务深度神经网络的中药功效预测方法，其特征在于所述步骤(E)中多任务深度神经网络具体参数结构如下：隐层数量设置为4层，分别具有1000、800、100个神经元，在每个隐层后连接Batch Normal层与Relu函数，输出层使用Sigmoid激活函数；batch-size设置为128；将药材的23种性味归经向量作为输入向量，任务为是否具有这23种功效。

7.根据权利要求6所述的一种基于多任务深度神经网络的中药功效预测方法，其特征在于步骤(F)中，对于收集的所用于预测的药材以性味归经二值向量的形式输入到预测模型，获得该药材所具有的功效序列，比较分析预测结果：使用40个外部测试集进行测试；使用Accuracy作为评估方法，在评估时，将预测结果分为真阳性(TP)、假阳性(FP)、真阴性(TN)、和假阴性(FN)，评估时使用Accuracy指标进行评估，其计算公式如下，N为所有样本数，公式如下：

Accuracy＝(TP+TN)/N

在评分时，将阈值设置为0.5，即高于0.5则认为药材具有此种功效，将其归为1，否则设为0，表示药材不具有此种功效。