[发明专利]一种基于双向长短时记忆神经网络的关联规则挖掘方法

权利要求书

1.一种基于双向长短时记忆神经网络的关联规则挖掘方法，其特征在于，该方法是通过Bi-LSTM模型计算出带有上下文信息的实体词向量矩阵，再通过TransE与欧几里得公式得出关系阈值，再结合Apriori进行关联规则挖掘，具体包括如下步骤：

1)对要挖掘的数据集进行预处理，步骤如下：

1-1)将获取的数据集统一转换为便于计算机处理的txt格式，得到文本集；

1-2)将文本集中所有的术语根据中医术语权威标准进行统一规范化；

1-3)将文本集中会影响实体关系的无关词语进行清洗删除；

1-4)将词与词之间划分间隔，以获得清晰的术语个体，得到术语集；

2)标记预处理后的文本，步骤如下：

2-1)将步骤1-4)获得的术语集进行标记；

2-2)将步骤2-1)标记好的文本集输入word2vec模型中，转换成维度为150的词向量集；

3)训练关联规则挖掘模型，步骤如下：

3-1)将步骤2-1)获得的标记术语集转换为事务集合，输入Apriori算法模型中，获得频繁项集与置信度；

3-2)将步骤2-2)获得的词向量集输入Bi-LSTM模型中，以获得带有上下文信息的词向量矩阵；

3-3)将步骤3-2得到的词向量矩阵输入TransE模型中，再通过欧几里得公式联合计算，获得初级关系阈值；

3-4)重复步骤3-3)操作，取20次试验中计算出的最大阈值与最小阈值加权平均数计算极差后取中值，得到关系阈值的界限值；

3-5)将步骤3-1)获得的项集和置信度与步骤3-4)计算出的关系阈值界限值同时输入改进后的关联规则挖掘算法模型中，获得精确的实体关系。

2.根据权利要求1所述的一种基于双向长短时记忆神经网络的关联规则挖掘方法，其特征在于，步骤2-1)中，所述的标记，是将(B-BN，I-BN)、(B-ZSP，I-ZSP)、(B-ZX，I-ZX)、(B-DL，I-DL)、(B-YN，I-YN)分别表示病名实体开始与结束标记、症状实体开始与结束标记、证型实体开始与结束标记、方剂实体开始与结束标记、药名实体开始与结束标记。

3.根据权利要求1所述的一种基于双向长短时记忆神经网络的关联规则挖掘方法，其特征在于，步骤2-2)中，所述的word2vec模型，是采用word2vec框架下的Skip-Gram和CBOW模型进行数据预训练，增强原始数据的可计算性。

4.根据权利要求1所述的一种基于双向长短时记忆神经网络的关联规则挖掘方法，其特征在于，步骤3-3)中，所述的TransE模型，是基于定理：在固定的向量空间中，向量存在平移不变性，所构建的向量打分公式的形式为：欧几里得公式负责计算分数权值：其中n为关系元组数量的总和，S代表每个元组的得分，W为权值，权值之间的关系为∑(w₁，w₂，w₃)＝1，再通过欧几里得公式计算向量之间的相似度，以此来决定权值分配情况：其中Di：