[发明专利]一种中药方剂智能推荐系统

说明书

一种中药方剂智能推荐系统，包括服务器端和客户端，服务器端包括数据输入模块，数据处理模块，中药方剂生成模块和中药方剂输出模块，其中，数据处理模块：利用one‑hot方法得到每一个症状节点的特征向量和每一个药材节点的特征向量；中药方剂生成模块：将药材和症状两类节点对应的特征向量进行concat操作，得到联合特征向量矩阵，建立症状‑药材二部图；利用邻接矩阵A来表示图中顶点之间的关联，得到一个可用于图卷积神经网络的邻接矩阵M，利用图卷积神经网络来计算药材和症状节点之间的潜在的相互作用关系，利用学习到的特征信息；将药材进行分数排序，最后取Top10的药材作为推荐的方剂。

技术领域

本发明属于软件开发技术领域，具体为一种中药方剂智能推荐系统。

背景技术

在中医药领域内，传统的中医临床诊断过程是中医大夫结合自身经验和具体案例给患者进行治疗，所以面对相同的患者，不同的医生可能会有不同的治疗方案，治疗效果很大程度上依赖于医生的临床经验。名老中医的临床经验和学术思想是中医理论研究和传统医学现代化的重要载体。随着现代数据分析技术的不断发展，如何传承和发展名老中医的经验成为中医药领域的一个重要方向。

发明内容

本发明提供了一种中药方剂智能推荐系统。该系统不仅能够诊断用户的症状信息，提供准确的中药方剂，还可以提供方剂中每味药材的剂量占比。本发明提供如下技术方案：

一种中药方剂智能推荐系统，包括服务器端和客户端，其特征在于，

服务器端包括数据输入模块，数据处理模块，中药方剂生成模块和中药方剂输出模块，其中，

数据输入模块：将客户端收集到的用户症状信息进行输入；

数据处理模块：利用one-hot方法得到每一个症状节点的特征向量s_i＝[0,0,…,1,…,0]，用以下的公式表示：

S＝{s₁,s₂,...,s_u}

其中S表示所有症状节点特征向量的集合，s表示症状节点的特征向量，u表示用户输入症状的数量；

利用one-hot方法得到每一个药材节点的特征向量q_j＝[0,1,…,1,…,0]，可以用以下的公式表示：

Q＝{q₁,q₂,...,q_v}

其中Q表示所有药材节点特征向量的集合，q_j表示药材节点的特征向量，v表示数据集中所有药材的数量；

中药方剂生成模块：将药材和症状两类节点对应的特征向量进行concat操作，得到一个联合特征向量矩阵，用表示；给定u个症状节点和v个药材节点，症状-药材二部图形式化地表示为G＝(S,Q,E)，E是二部图中能够显式观察到的边的集合；利用邻接矩阵A来表示图中顶点之间的关联，其定义为：

得到一个可用于图卷积神经网络的邻接矩阵M：

利用图卷积神经网络来计算药材和症状节点之间的潜在的相互作用关系，利用学习到的特征信息；

训练结束得到更新后的药材节点特征向量矩阵和症状节点特征向量矩阵，获得药材和症状节点之间的相互作用得分

计算上述结果与原药材-症状得分A_ij之间的交叉熵损失值：

其中W_ij表示可学习的权重矩阵；

将用户输入的症状进行统计，将药材进行分数排序，最后取Top10的药材作为推荐的方剂；