[发明专利]基于图神经网络的中医辩治推荐系统、方法和电子设备

权利要求书

1.一种基于图神经网络的中医辩治推荐系统，其特征在于，包括：

知识图谱获取模块，用于基于结构化的中医辩治数据，得到中医辩治的知识图谱；

构建模块，用于通过图神经网络对所述知识图谱提取特征向量，以构建所述中医辩治的低纬度表征信息；

结果获取模块，用于利用相似度评估算法根据所述中医辩治的低纬度表征信息，得到所述中医辩治的预测结果；

其中，所述历史中医辩治数据包括病症、证型以及中药的特性属性和关联关系。

2.根据权利要求1所述基于图神经网络的中医辩治推荐系统，其特征在于，所述知识图谱获取模块，还用于：

通过NLP进行结构化处理病症、证型以及中药的特征属性和关联关系，获取结构化的中医辩治数据。

3.根据权利要求2所述基于图神经网络的中医辩治推荐系统，其特征在于，所述构建模块，包括：

提取模块，用于通过图神经网络对所述知识图谱进行采样获取至少一个子图，并提取所述子图的特征向量；

训练模块，用于利用所述子图的特征向量基于平均值聚合器卷积，使用负采样算法进行无监督训练后获取所述中医辩治的低纬度表征信息。

4.根据权利要求3所述基于图神经网络的中医辩治推荐系统，其特征在于，所述提取模块，还用于：

批采样子模块，用于对所述知识图谱进行批采样，获取至少一个子图，所述子图包括节点的向量集合计算公式为：

其中，B^K-1表示中第k-1层的向量集合；k表示聚合近邻的深度，表示确定性函数；

其中，为节点的初始化向量；x_v为节点的输入特征属性；为节点的输入来源；

特征向量提取子模块，用于提取所述子图中节点的特征向量，具体包括：

设定所述节点，对所述聚合近邻的深度k进行迭代，逐步聚合和更新所述节点的特征向量。

5.根据权利要求4所述基于图神经网络的中医辩治推荐系统，其特征在于，所述批采样子模块，还用于：

基于所述知识图谱进行批采样，获得病症和证型二部图、证型和证型同构图、证型和中药二部图、中药和中药同构图。

6.根据权利要求5所述基于图神经网络的中医辩治推荐系统，其特征在于，所述特征向量提取子模块，还用于：

其中，N_k(u)表示节点u的相邻节点；表示节点u的任意相邻节点的聚合信息的集合；表示所述节点u在k-1次迭代之后的向量集合；MEAN表示对向量集合元素取均值；W表示权重；

基于矢量范数标准化所述节点信息的聚合，得到标准化后的所述节点信息的聚合结果，所述节点信息的聚合结果作为迭代的参数，具体包括：

其中，为输出的所述节点信息的聚合结果。

7.根据权利要求6所述基于图神经网络的中医辩治推荐系统，其特征在于，还包括：优化模块，用于：

定义损失函数，基于所述损失函数优化所述迭代的参数，具体包括：

其中，J_g(z_u)为损失函数；z_u，z_v，表示节点u，v，v_n的聚合输出结果嵌入特征向量；其中，v是固定长度随机游走时在所述节点u的邻居节点，v_n为负采样节点，T为向量的转置表达，σ是sigmoid函数，Q表示负采样数量，是期望，P_n是负采样的分布；该损失函数在拟合过程中使z_u的嵌入表达相似度与z_v越大的时候，与的嵌入表达相似度越小。