中醫(yī)學是中國傳統(tǒng)文明中的重要組成部分,目前已經被應用于治療多種復雜疾病,并且取得了較好的效果。在大數(shù)據(jù)背景下,中醫(yī)臨床中已經積累了大量的醫(yī)療數(shù)據(jù),對這些數(shù)據(jù)的建模與分析可以用于臨床輔助診療,帶動中醫(yī)學的理論與臨床的發(fā)展。因此,如何結合中醫(yī)理論對臨床診療數(shù)據(jù)建模是一個研究重點。另外,這些數(shù)據(jù)中蘊含著中醫(yī)實體之間的復雜的語義關系,如何利用這些數(shù)據(jù)提升模型的分析能力也是一個難題。因此,本文提出面向中醫(yī)診療數(shù)據(jù)的隱語義分析技術。具體地,本文通過改進的主題建模方法挖掘中醫(yī)醫(yī)案數(shù)據(jù)中的癥狀與藥物之間的關系,并且為給定癥狀推薦藥物。首先,本文提出了多內容LDA模型,引入中醫(yī)理論中病機的概念,分析醫(yī)案文檔中癥狀與藥物之間的關系,并且提出了相應的藥物推薦方法。然后基于更加豐富的多種形式的中醫(yī)數(shù)據(jù),提出了兩種中醫(yī)實體的向量化表示方法,用于獲取包含更加豐富信息的中醫(yī)實體詞向量。進一步地,本文將詞向量融入主題模型中,提出了多內容詞向量LDA模型,具備更優(yōu)的分析效果和推薦性能。本文的主要貢獻點概括如下:·基于多內容LDA模型的中醫(yī)診療提出了多內容LDA模型MC-LDA,將中醫(yī)理論中的病機看作主題模型中的隱含主題...

【文章頁數(shù)】：99 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 本文工作與主要貢獻
    1.4 組織結構
第二章 預備知識
    2.1 主題模型
        2.1.1 主題模型建模
        2.1.2 主題模型參數(shù)學習
    2.2 表示學習
        2.2.1 word2vec
        2.2.2 知識圖譜向量化表示
    2.3 自編碼器
    2.4 本章小結
第三章 基于多內容LDA模型的中醫(yī)診療
    3.1 問題定義
    3.2 多內容LDA模型
        3.2.1 模型描述
        3.2.2 參數(shù)學習
        3.2.3 病機推斷
    3.3 藥物推薦
    3.4 實驗及分析
        3.4.1 實驗設置
        3.4.2 專家評估
        3.4.3 MC-LDA模型的定量分析
        3.4.4 MC-LDA模型的定性分析
        3.4.5 藥物推薦對比分析
    3.5 本章小結
第四章 中醫(yī)實體的向量化表示方法
    4.1 基于上下文信息的實體向量化表示
        4.1.1 癥狀實體向量化表示方法
        4.1.2 藥物實體向量化表示方法
    4.2 基于知識圖譜的實體向量化表示
        4.2.1 中醫(yī)知識圖譜
        4.2.2 基于翻譯模型TransE的實體向量化表示
    4.3 本章小結
第五章 基于多內容詞向量LDA模型的中醫(yī)診療
    5.1 引言
    5.2 問題定義
    5.3 多內容詞向量LDA模型
        5.3.1 模型描述
        5.3.2 參數(shù)學習
        5.3.3 算法復雜度分析與優(yōu)化
    5.4 藥物推薦
    5.5 實驗及分析
        5.5.1 實驗設置
        5.5.2 專家評估
        5.5.3 MC-eLDA模型的定量分析
        5.5.4 MC-eLDA模型的定性分析
        5.5.5 藥物推薦對比分析
    5.6 本章小結
第六章 總結與展望
    6.1 本文工作總結
    6.2 未來工作展望
參考文獻
致謝
攻讀碩士學位期間發(fā)表論文和科研情況



本文編號：3824022