CN112614565A - 一种基于知识图谱技术的中药经典名方智能推荐方法 - Google Patents
一种基于知识图谱技术的中药经典名方智能推荐方法 Download PDFInfo
- Publication number
- CN112614565A CN112614565A CN202011407939.1A CN202011407939A CN112614565A CN 112614565 A CN112614565 A CN 112614565A CN 202011407939 A CN202011407939 A CN 202011407939A CN 112614565 A CN112614565 A CN 112614565A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- data
- traditional chinese
- knowledge
- prescription
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pharmacology & Pharmacy (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Toxicology (AREA)
- Medicinal Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Alternative & Traditional Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于智能推荐技术领域，公开了一种基于知识图谱技术的中药经典名方智能推荐方法，包括数据采集模块采集中药组方的数据；同时获取患者个人基本信息、各项生理数据、症状及疾病信息，数据预处理模块对采集的中药组方数据进行清洗、格式化处理；知识图谱构建模块基于处理后的数据进行知识图谱构建；存储模块利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的知识图谱；推荐模型构建模块通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；结果展示模块输出推荐的中药经典名方。本发明实现了智能化的中药名方推荐，且推荐的名方能够满足患者个性化差异，达到切合病情、提高疗效的目的。
Description
技术领域
本发明属于智能推荐技术领域，尤其涉及一种基于知识图谱技术的中药经典名方智能推荐方法。
背景技术
目前：患者去医院就诊时，中医医师通过望、闻、问、切等手段对患者病情进行诊断，并根据诊断结果为用户开具中药药方。
医师在为开具中药方剂时，通常需要翻阅中医、中药典籍进行药方查找，查找到药方后再根据患者个人情况进行调方，将调整的药方方剂中的各味药品人工书写或录入，使得现有的中药方剂标准化程度低，不利于中药技术的推广。而且医师开具药方时需要花费大量时间，开方效率低。
通过上述分析，现有技术存在的问题及缺陷为：现有的中药方剂标准化程度低，不利于中药技术的推广，而且现有药方获取方法耗费时间多，开方效率低。
发明内容
针对现有技术存在的问题，本发明提供了一种基于知识图谱技术的中药经典名方智能推荐方法。
本发明是这样实现的，一种基于知识图谱技术的中药经典名方智能推荐方法，所述基于知识图谱技术的中药经典名方智能推荐方法包括：
步骤一，数据采集模块利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据；
步骤二，获取患者个人基本信息，利用生理监测设备获取患者的各项生理数据，通过问卷或其他方式获取患者的症状及疾病信息；
步骤三，数据预处理模块对采集的中药组方数据进行清洗、格式化处理，得到架构清晰的中药组方数据；
步骤四，将获取的患者的症状及疾病信息与采集的中药组方所治疗的对应症状进行对比筛选；
步骤五，知识图谱构建模块基于处理后的数据进行知识图谱构建；存储模块利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的知识图谱；
步骤六，推荐模型构建模块通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；
步骤七，通过结果展示模块对推荐的中药经典名方列表中的每个名方的摘要信息进行显示；
步骤八，根据用户选择结果将选中的中药经典名方列表中的某一名方的信息进行详细显示。
进一步，步骤一中，所述利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据包括：
(1)分布在中药组方数据库的爬虫端将服务接口注册到dubbo服务中心；
(2)控制端将开始获取数据控制指令发送至dubbo服务中心；
(3)dubbo服务中心接收到控制端发送的开始获取数据控制指令，并调度各爬虫端所注册的服务开始工作；
(4)爬虫端将在中药组方数据库上爬取的县域电商数据发送至dubbo服务中心；
(5)dubbo服务中心将接收到的中药组方数据发送至控制端；
(6)控制端接收dubbo服务中心发送的中药组方数据；
(7)控制端将停止获取数据控制指令发送至dubbo服务中心；
(8)dubbo服务中心接收到控制端发送的停止获取数据控制指令，并调度各爬虫端停止爬取数据。
进一步，步骤三中，所述对采集的中药组方数据进行清洗的方法包括：
将获取到的数据进行去重，并将获取到的数据解析成结构化数据；
对解析后的数据依次进行非中文字符去除、分词筛选、匹配性筛选和句子通顺性筛选后，获得清洗数据。
进一步，步骤四中，所述将获取的患者的症状及疾病信息与采集的中药组方所治疗的对应症状进行对比筛选，包括：
获取患者的症状及疾病信息，制作第一数据表；以及获取采集的中药组方所治疗的对应症状，制作第二数据表；选取第一数据表和第二数据表的共有字段；将第一数据表每个记录共有字段的数据与第二数据表共有字段的数据进行对比，以检测第一数据表和第二数据表之间是否存在差异数据；根据检测结果，判断第一数据表和第二数据表中的数据是否一致；判断为一致的部分即筛选得到的结果。
进一步，步骤五中，所述知识图谱构建的方法包括：
1)对处理后的数据进行分词，提取多个目标实体，标注命名实体，进行语料格式转换；进行实体及实体属性的抽取，关系及关系属性的抽取；并确定提取的多个实体之间的关系；
2)将多个目标实体和多个目标实体之间的关系融合至中药名方知识图谱中，得到当前知识图谱的多个候选实体以及多个候选实体之间的关系；
3)基于当前知识图谱的多个候选实体以及多个候选实体之间的关系，构建中药名方知识图谱。
进一步，所述中药名方知识图谱的构建方法进一步包括：
获取待构建中药名方知识图谱的中药名方的语料信息，所述语料信息包括文本内容片段；将预料信息进行输入；对所述文本内容片段进行分词以及词性标注，获取所述中药名方的文本内容片段中的关键词；
将所述关键词按照预设的规则与领域本体进行匹配，获取所述中药名方的知识文本内容片段中的知识元实例、所述知识元实例的属性以及所述知识元实例之间的关联关系；
根据所述多个知识文本内容片段中的知识元实例、所述知识元实例的属性以及所述知识元实例之间的关联关系构建知识图谱，得到中药名方知识图谱。
进一步，所述基于当前知识图谱的多个候选实体以及多个候选实体之间的关系，构建中药名方知识图谱包括：
获取针对多个候选实体以及多个候选实体之间的关系的标注结果，并根据标注结果构建出所述当前中药名方知识图谱。
进一步，步骤六中，所述基于获取的患者相关信息进行中药经典名方推荐包括：
Ⅰ，获取患者的相关疾病、病症及相关信息以及构建的中药经典名方推荐模型，并对中药经典名方推荐模型中的相应属性制订量化规则；
Ⅱ，基于中药名方知识图谱对患者的相关疾病、病症及相关信息中某些属性进行映射；
Ⅲ，基于中药名方知识图谱，根据基于知识图谱的中药经典名方推荐模型对中药名方按照病症进行过滤，形成待推荐名方列表；
Ⅳ，针对待推荐名方列表，根据第一步中的量化规则对患者信息和名方信息中的相应属性进行量化；
Ⅴ，计算患者病症信息和名方信息的相似度，筛选出与患者病症相似度最高的前N个名方推荐列表，并推荐给患者。
进一步，步骤七中，所述摘要信息的提取方法包括：
①从中药经典名方数据库中获取推荐的中药经典名方的文档，作为待提取摘要的目标文档；
②提取该文档中的每一个句子，作为该文档摘要的备选句子库；
③统计所有关键词在所有文档中的权重信息，并以此将备选句子库中的每个句子表示成一个向量；
④利用数据重构算法，从备选句子库中挑选出既包含文档中心思想又包含最少冗余信息的最优摘要句子；
⑤将挑选的句子提取出来，组成该目标文档的摘要。
本发明的另一目的在于提供一种实施所述基于知识图谱技术的中药经典名方智能推荐方法的基于知识图谱技术的中药经典名方智能推荐系统，所述基于知识图谱技术的中药经典名方智能推荐系统包括：
数据采集模块，包括中药名方获取单元以及个人数据获取单元；用于获取中药经典名方以及个人相关信息；
数据预处理模块，用于对采集的中药组方数据进行清洗以及格式化处理；
知识图谱构建模块，用于基于处理后的数据进行知识图谱构建；
存储模块，用于利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的知识图谱；
推荐模型构建模块，用于通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；
结果展示模块，用于输出推荐的中药经典名方。
进一步，所述数据采集模块包括：
中药名方获取单元，利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据；
个人数据获取单元，用于获取患者个人基本信息，利用生理监测设备获取患者的各项生理数据，通过问卷或其他方式获取患者的症状及疾病信息。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述基于知识图谱技术的中药经典名方智能推荐方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述基于知识图谱技术的中药经典名方智能推荐方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明能够自动获取相关中药药方数据库中存储的名方数据，并在获取患者的相关病症以及个人数据后进行自动查找与诊断结果匹配的中药名方，向患者进行推荐，实现了智能化的中药名方推荐，且推荐的名方能够满足患者个性化差异，达到切合病情、提高疗效的目的。本发明利用知识图谱的强大关联查询能力，在命中率有保证地基础上，克服了时间复杂度高，推荐覆盖率低的问题，通过构建中药知识图谱使的中药方剂更加标准化和模块化，同时更利于中药技术的推广。
本发明通过构建中药名方知识图谱，发挥知识图谱拥有的强大语义处理能力和在信息检索方面快速的优势，极大地提高了搜索的效率和推荐的效果。通过将知识图谱和名方推荐相结合，基于中药名方知识图谱为患者推荐的名方更加符合患者的病症，满足了患者对药方的个性化需求。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于知识图谱技术的中药经典名方智能推荐方法流程图。
图2是本发明实施例提供的数据采集方法流程图。
图3是本发明实施例提供的数据清洗方法流程图。
图4是本发明实施例提供的知识图谱构建方法流程图。
图5是本发明实施例提供的基于获取的患者相关信息进行中药经典名方推荐方法流程图。
图6是本发明实施例提供的基于知识图谱技术的中药经典名方智能推荐系统结构示意图；
图中：1、数据采集模块；2、数据预处理模块；3、知识图谱构建模块；4、存储模块；5、推荐模型构建模块；6、结果展示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于知识图谱技术的中药经典名方智能推荐方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于知识图谱技术的中药经典名方智能推荐方法包括：
S101，数据采集模块利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据；
S102，获取患者个人基本信息，利用生理监测设备获取患者的各项生理数据，通过问卷或其他方式获取患者的症状及疾病信息；
S103，数据预处理模块对采集的中药组方数据进行清洗、格式化处理，得到架构清晰的中药组方数据；
S104，将获取的患者的症状及疾病信息与采集的中药组方所治疗的对应症状进行对比筛选；
S105，知识图谱构建模块基于处理后的数据进行知识图谱构建；存储模块利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的知识图谱；
S106，推荐模型构建模块通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；
S107，通过结果展示模块对推荐的中药经典名方列表中的每个名方的摘要信息进行显示；
S108，根据用户选择结果将选中的中药经典名方列表中的某一名方的信息进行详细显示。
如图2所示，步骤S101中，本发明实施例提供的利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据包括：
S201，分布在中药组方数据库的爬虫端将服务接口注册到dubbo服务中心；
S202，控制端将开始获取数据控制指令发送至dubbo服务中心；
S203，dubbo服务中心接收到控制端发送的开始获取数据控制指令，并调度各爬虫端所注册的服务开始工作；
S204，爬虫端将在中药组方数据库上爬取的县域电商数据发送至dubbo服务中心；
S205，dubbo服务中心将接收到的中药组方数据发送至控制端；
S206，控制端接收dubbo服务中心发送的中药组方数据；
S207，控制端将停止获取数据控制指令发送至dubbo服务中心；
S208，dubbo服务中心接收到控制端发送的停止获取数据控制指令，并调度各爬虫端停止爬取数据。
如图3所示，步骤S103中，本发明实施例提供的数据清洗方法包括：
S301，将获取到的数据进行去重，并将获取到的数据解析成结构化数据；
S302，对解析后的数据依次进行非中文字符去除、分词筛选、匹配性筛选和句子通顺性筛选后，获得清洗数据。
步骤S104中，本发明实施例提供的将获取的患者的症状及疾病信息与采集的中药组方所治疗的对应症状进行对比筛选，包括：
获取患者的症状及疾病信息，制作第一数据表；以及获取采集的中药组方所治疗的对应症状，制作第二数据表；选取第一数据表和第二数据表的共有字段；将第一数据表每个记录共有字段的数据与第二数据表共有字段的数据进行对比，以检测第一数据表和第二数据表之间是否存在差异数据；根据检测结果，判断第一数据表和第二数据表中的数据是否一致；判断为一致的部分即筛选得到的结果。
如图4所示，步骤S105中，本发明实施例提供的知识图谱构建方法包括：
S401，对处理后的数据进行分词，提取多个目标实体，标注命名实体，进行语料格式转换；进行实体及实体属性的抽取，关系及关系属性的抽取；并确定提取的多个实体之间的关系；
S402，将多个目标实体和多个目标实体之间的关系融合至中药名方知识图谱中，得到当前知识图谱的多个候选实体以及多个候选实体之间的关系；
S403，基于当前知识图谱的多个候选实体以及多个候选实体之间的关系，构建中药名方知识图谱。
本发明实施例提供的知识图谱构建方法进一步包括：
获取待构建中药名方知识图谱的中药名方的语料信息，所述语料信息包括文本内容片段；将预料信息进行输入；对所述文本内容片段进行分词以及词性标注，获取所述中药名方的文本内容片段中的关键词；
将所述关键词按照预设的规则与领域本体进行匹配，获取所述中药名方的知识文本内容片段中的知识元实例、所述知识元实例的属性以及所述知识元实例之间的关联关系；
根据所述多个知识文本内容片段中的知识元实例、所述知识元实例的属性以及所述知识元实例之间的关联关系构建知识图谱，得到中药名方知识图谱。
本发明实施例提供的基于当前知识图谱的多个候选实体以及多个候选实体之间的关系，构建中药名方知识图谱包括：
获取针对多个候选实体以及多个候选实体之间的关系的标注结果，并根据标注结果构建出所述当前中药名方知识图谱。
如图5所示，步骤S106中，本发明实施例提供的基于获取的患者相关信息进行中药经典名方推荐包括：
S501，获取患者的相关疾病、病症及相关信息以及构建的中药经典名方推荐模型，并对中药经典名方推荐模型中的相应属性制订量化规则；
S502，基于中药名方知识图谱对患者的相关疾病、病症及相关信息中某些属性进行映射；
S503，基于中药名方知识图谱，根据基于知识图谱的中药经典名方推荐模型对中药名方按照病症进行过滤，形成待推荐名方列表；
S504，针对待推荐名方列表，根据第一步中的量化规则对患者信息和名方信息中的相应属性进行量化；
S505，计算患者病症信息和名方信息的相似度，筛选出与患者病症相似度最高的前N个名方推荐列表，并推荐给患者。
步骤S107中，所述摘要信息的提取方法包括：
从中药经典名方数据库中获取推荐的中药经典名方的文档，作为待提取摘要的目标文档；
提取该文档中的每一个句子，作为该文档摘要的备选句子库；
统计所有关键词在所有文档中的权重信息，并以此将备选句子库中的每个句子表示成一个向量；
利用数据重构算法，从备选句子库中挑选出既包含文档中心思想又包含最少冗余信息的最优摘要句子；
将挑选的句子提取出来，组成该目标文档的摘要。
如图6所示，本发明实施例提供的基于知识图谱技术的中药经典名方智能推荐系统包括：
数据采集模块1，包括中药名方获取单元以及个人数据获取单元；用于获取中药经典名方以及个人相关信息；
数据预处理模块2，用于对采集的中药组方数据进行清洗以及格式化处理；
知识图谱构建模块3，用于基于处理后的数据进行知识图谱构建；
存储模块4，用于利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的知识图谱；
推荐模型构建模块5，用于通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；
结果展示模块6，用于输出推荐的中药经典名方。
本发明实施例提供的数据采集模块包括：
中药名方获取单元，利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据；
个人数据获取单元，用于获取患者个人基本信息，利用生理监测设备获取患者的各项生理数据，通过问卷或其他方式获取患者的症状及疾病信息。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于知识图谱技术的中药经典名方智能推荐方法，其特征在于，所述基于知识图谱技术的中药经典名方智能推荐方法包括：
步骤一，数据采集模块利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据；
步骤二，获取患者个人基本信息，利用生理监测设备获取患者的各项生理数据，通过问卷或其他方式获取患者的症状及疾病信息；
步骤三，数据预处理模块对采集的中药组方数据进行清洗、格式化处理，得到架构清晰的中药组方数据；
步骤四，将获取的患者的症状及疾病信息与采集的中药组方所治疗的对应症状进行对比筛选，
步骤五，知识图谱构建模块基于处理后的数据进行中药名方知识图谱构建；存储模块利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的中药名方知识图谱；
步骤六，推荐模型构建模块通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；
步骤七，通过结果展示模块对推荐的中药经典名方列表中的每个名方的摘要信息进行显示；
步骤八，根据用户选择结果将选中的中药经典名方列表中的某一名方的信息进行详细显示。
2.如权利要求1所述基于知识图谱技术的中药经典名方智能推荐方法，其特征在于，步骤一中，所述利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据具体包括：
(1)分布在中药组方数据库的爬虫端将服务接口注册到dubbo服务中心；
(2)控制端将开始获取数据控制指令发送至dubbo服务中心；
(3)dubbo服务中心接收到控制端发送的开始获取数据控制指令，并调度各爬虫端所注册的服务开始工作；
(4)爬虫端将在中药组方数据库上爬取的县域电商数据发送至dubbo服务中心；
(5)dubbo服务中心将接收到的中药组方数据发送至控制端；
(6)控制端接收dubbo服务中心发送的中药组方数据；
(7)控制端将停止获取数据控制指令发送至dubbo服务中心；
(8)dubbo服务中心接收到控制端发送的停止获取数据控制指令，并调度各爬虫端停止爬取数据。
3.如权利要求1所述基于知识图谱技术的中药经典名方智能推荐方法，其特征在于，步骤三中，所述对采集的中药组方数据进行清洗的方法包括：
将获取到的数据进行去重，并将获取到的数据解析成结构化数据；
对解析后的数据依次进行非中文字符去除、分词筛选、匹配性筛选和句子通顺性筛选后，获得清洗数据。
4.如权利要求1所述基于知识图谱技术的中药经典名方智能推荐方法，其特征在于，步骤四中，所述将获取的患者的症状及疾病信息与采集的中药组方所治疗的对应症状进行对比筛选，包括：
获取患者的症状及疾病信息，制作第一数据表；以及获取采集的中药组方所治疗的对应症状，制作第二数据表；选取第一数据表和第二数据表的共有字段；将第一数据表每个记录共有字段的数据与第二数据表共有字段的数据进行对比，以检测第一数据表和第二数据表之间是否存在差异数据；根据检测结果，判断第一数据表和第二数据表中的数据是否一致；判断为一致的部分即筛选得到的结果。
5.如权利要求1所述基于知识图谱技术的中药经典名方智能推荐方法，其特征在于，步骤五中，所述知识图谱构建的方法包括：
1)对处理后的数据进行分词，提取多个目标实体，标注命名实体，进行语料格式转换；进行实体及实体属性的抽取，关系及关系属性的抽取；并确定提取的多个实体之间的关系；
2)将多个目标实体和多个目标实体之间的关系融合至中药名方知识图谱中，得到当前知识图谱的多个候选实体以及多个候选实体之间的关系；
3)基于当前知识图谱的多个候选实体以及多个候选实体之间的关系，构建中药名方知识图谱；
所述中药名方知识图谱的构建方法进一步包括：
获取待构建中药名方知识图谱的中药名方的语料信息，所述语料信息包括文本内容片段；将预料信息进行输入；对所述文本内容片段进行分词以及词性标注，获取所述中药名方的文本内容片段中的关键词；
将所述关键词按照预设的规则与领域本体进行匹配，获取所述中药名方的知识文本内容片段中的知识元实例、所述知识元实例的属性以及所述知识元实例之间的关联关系；
根据所述多个知识文本内容片段中的知识元实例、所述知识元实例的属性以及所述知识元实例之间的关联关系构建知识图谱，得到中药名方知识图谱；
所述基于当前知识图谱的多个候选实体以及多个候选实体之间的关系，构建中药名方知识图谱包括：
获取针对多个候选实体以及多个候选实体之间的关系的标注结果，并根据标注结果构建出所述当前中药名方知识图谱。
6.如权利要求1所述基于知识图谱技术的中药经典名方智能推荐方法，其特征在于，步骤六中，所述基于获取的患者相关信息进行中药经典名方推荐包括：
Ⅰ，获取患者的相关疾病、病症及相关信息以及构建的中药经典名方推荐模型，并对中药经典名方推荐模型中的相应属性制订量化规则；
Ⅱ，基于中药名方知识图谱对患者的相关疾病、病症及相关信息中某些属性进行映射；
Ⅲ，基于中药名方知识图谱，根据基于知识图谱的中药经典名方推荐模型对中药名方按照病症进行过滤，形成待推荐名方列表；
Ⅳ，针对待推荐名方列表，根据第一步中的量化规则对患者信息和名方信息中的相应属性进行量化；
Ⅴ，计算患者病症信息和名方信息的相似度，筛选出与患者病症相似度最高的前N个名方推荐列表，并推荐给患者；
步骤七中，所述摘要信息的提取方法包括：
①从中药经典名方数据库中获取推荐的中药经典名方的文档，作为待提取摘要的目标文档；
②提取该文档中的每一个句子，作为该文档摘要的备选句子库；
③统计所有关键词在所有文档中的权重信息，并以此将备选句子库中的每个句子表示成一个向量；
④利用数据重构算法，从备选句子库中挑选出既包含文档中心思想又包含最少冗余信息的最优摘要句子；
⑤将挑选的句子提取出来，组成该目标文档的摘要。
7.一种实施如权利要求1-6任意一项所述基于知识图谱技术的中药经典名方智能推荐方法的基于知识图谱技术的中药经典名方智能推荐系统，其特征在于，所述基于知识图谱技术的中药经典名方智能推荐系统包括：
数据采集模块，包括中药名方获取单元以及个人数据获取单元；用于获取中药经典名方以及个人相关信息；
数据预处理模块，用于对采集的中药组方数据进行清洗以及格式化处理；
知识图谱构建模块，用于基于处理后的数据进行知识图谱构建；
存储模块，用于利用分布式数据库分别存储采集的数据、处理后的数据、构建得到的知识图谱；
推荐模型构建模块，用于通过构建基于知识图谱的中药经典名方推荐模型，基于获取的患者相关信息进行中药经典名方推荐；
结果展示模块，用于输出推荐的中药经典名方。
8.如权利要求7所述基于知识图谱技术的中药经典名方智能推荐系统，其特征在于，所述数据采集模块包括：
中药名方获取单元，利用爬虫技术从相关中药组方书籍或相关数据库中采集中药组方的数据；
个人数据获取单元，用于获取患者个人基本信息，利用生理监测设备获取患者的各项生理数据，通过问卷或其他方式获取患者的症状及疾病信息。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1-6任意一项所述基于知识图谱技术的中药经典名方智能推荐方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-6任意一项所述基于知识图谱技术的中药经典名方智能推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011407939.1A CN112614565A (zh) | 2020-12-04 | 2020-12-04 | 一种基于知识图谱技术的中药经典名方智能推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011407939.1A CN112614565A (zh) | 2020-12-04 | 2020-12-04 | 一种基于知识图谱技术的中药经典名方智能推荐方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112614565A true CN112614565A (zh) | 2021-04-06 |
Family
ID=75229231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011407939.1A Withdrawn CN112614565A (zh) | 2020-12-04 | 2020-12-04 | 一种基于知识图谱技术的中药经典名方智能推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112614565A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112992378A (zh) * | 2021-04-25 | 2021-06-18 | 南京大经中医药信息技术有限公司 | 一种多维度中药方剂推荐方法和推荐系统 |
| CN113096764A (zh) * | 2021-04-12 | 2021-07-09 | 合肥工业大学 | 一种基于智能药箱的医疗理疗推荐系统及其方法 |
| CN113268511A (zh) * | 2021-04-21 | 2021-08-17 | 广东易生活信息科技有限公司 | 一种基于古籍古方的中医处方推荐方法及系统 |
| CN113409911A (zh) * | 2021-07-14 | 2021-09-17 | 浙江大学 | 一种基于病例临床表型关联度的中药组方推荐方法及系统 |
| CN113744867A (zh) * | 2021-08-30 | 2021-12-03 | 平安科技（深圳）有限公司 | 一种药物推荐循证支持方法、装置、设备及存储介质 |
| CN114300121A (zh) * | 2021-12-14 | 2022-04-08 | 中南大学 | 健康建议推荐方法、健康知识库的构建方法、装置及设备 |
| CN114496119A (zh) * | 2022-01-27 | 2022-05-13 | 医灯续焰(上海)生物科技有限公司 | 方剂演化关系的追溯方法、装置及服务器 |
| CN115905960A (zh) * | 2023-03-08 | 2023-04-04 | 安徽通灵仿生科技有限公司 | 一种基于心室辅助装置的不良事件检测方法及装置 |
| CN117076689A (zh) * | 2023-08-21 | 2023-11-17 | 浙江大学 | 一种中药制药工艺路线智能设计方法 |
| CN117349452A (zh) * | 2023-12-04 | 2024-01-05 | 长春中医药大学 | 一种用于中医药物检索的信息服务系统 |
| CN117494811A (zh) * | 2023-11-20 | 2024-02-02 | 南京大经中医药信息技术有限公司 | 中医典籍的知识图谱构建方法及系统 |
-
2020
- 2020-12-04 CN CN202011407939.1A patent/CN112614565A/zh not_active Withdrawn
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113096764A (zh) * | 2021-04-12 | 2021-07-09 | 合肥工业大学 | 一种基于智能药箱的医疗理疗推荐系统及其方法 |
| CN113268511A (zh) * | 2021-04-21 | 2021-08-17 | 广东易生活信息科技有限公司 | 一种基于古籍古方的中医处方推荐方法及系统 |
| CN113268511B (zh) * | 2021-04-21 | 2023-08-25 | 广东易生活信息科技有限公司 | 一种基于古籍古方的中医处方推荐方法及系统 |
| CN112992378A (zh) * | 2021-04-25 | 2021-06-18 | 南京大经中医药信息技术有限公司 | 一种多维度中药方剂推荐方法和推荐系统 |
| CN113409911A (zh) * | 2021-07-14 | 2021-09-17 | 浙江大学 | 一种基于病例临床表型关联度的中药组方推荐方法及系统 |
| CN113409911B (zh) * | 2021-07-14 | 2022-12-23 | 浙江大学 | 一种基于病例临床表型关联度的中药组方推荐方法及系统 |
| CN113744867B (zh) * | 2021-08-30 | 2024-03-08 | 平安科技（深圳）有限公司 | 一种药物推荐循证支持方法、装置、设备及存储介质 |
| CN113744867A (zh) * | 2021-08-30 | 2021-12-03 | 平安科技（深圳）有限公司 | 一种药物推荐循证支持方法、装置、设备及存储介质 |
| CN114300121A (zh) * | 2021-12-14 | 2022-04-08 | 中南大学 | 健康建议推荐方法、健康知识库的构建方法、装置及设备 |
| CN114496119A (zh) * | 2022-01-27 | 2022-05-13 | 医灯续焰(上海)生物科技有限公司 | 方剂演化关系的追溯方法、装置及服务器 |
| CN115905960A (zh) * | 2023-03-08 | 2023-04-04 | 安徽通灵仿生科技有限公司 | 一种基于心室辅助装置的不良事件检测方法及装置 |
| CN117076689A (zh) * | 2023-08-21 | 2023-11-17 | 浙江大学 | 一种中药制药工艺路线智能设计方法 |
| CN117494811A (zh) * | 2023-11-20 | 2024-02-02 | 南京大经中医药信息技术有限公司 | 中医典籍的知识图谱构建方法及系统 |
| CN117494811B (zh) * | 2023-11-20 | 2024-05-28 | 南京大经中医药信息技术有限公司 | 中医典籍的知识图谱构建方法及系统 |
| CN117349452A (zh) * | 2023-12-04 | 2024-01-05 | 长春中医药大学 | 一种用于中医药物检索的信息服务系统 |
| CN117349452B (zh) * | 2023-12-04 | 2024-02-09 | 长春中医药大学 | 一种用于中医药物检索的信息服务系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112614565A (zh) | 一种基于知识图谱技术的中药经典名方智能推荐方法 | |
| CN109299239B (zh) | 一种基于es的电子病历检索方法 | |
| Wu et al. | Comparison of chest radiograph interpretations by artificial intelligence algorithm vs radiology residents | |
| Lim et al. | An unsupervised machine learning model for discovering latent infectious diseases using social media data | |
| CN106227880B (zh) | 医生搜索推荐的实现方法 | |
| CN112786194A (zh) | 基于人工智能的医学影像导诊导检系统、方法及设备 | |
| US8108381B2 (en) | System and method for analyzing electronic data records | |
| CN111465990B (zh) | 用于医疗保健临床试验的方法和系统 | |
| Alicante et al. | Unsupervised entity and relation extraction from clinical records in Italian | |
| CN110413734B (zh) | 一种医疗服务的智能搜索系统及方法 | |
| CN112863630A (zh) | 基于数据和知识的个性化精准医疗问答系统 | |
| CN107408156A (zh) | 用于从临床文档进行语义搜索和提取相关概念的系统和方法 | |
| CN112241457A (zh) | 一种融合扩展特征的事理知识图谱事件检测方法 | |
| US20150227714A1 (en) | Medical information analysis apparatus and medical information analysis method | |
| US20130060793A1 (en) | Extracting information from medical documents | |
| WO2016135598A1 (en) | Method and system for context-sensitive assessment of clinical findings | |
| CN111460173B (zh) | 一种甲状腺癌的疾病本体模型的构建方法 | |
| CN112699669B (zh) | 流行病学调查报告的自然语言处理方法、装置及存储介质 | |
| CN113343680A (zh) | 一种基于多类型病历文本的结构化信息提取方法 | |
| CN116737945B (zh) | 一种患者emr知识图谱映射方法 | |
| US11488695B2 (en) | Expression of clinical logic with positive and negative explainability | |
| CN112349367A (zh) | 一种生成仿真病历的方法、装置、电子设备及存储介质 | |
| US20230032180A1 (en) | Method and system for empowering cancer patient(s) | |
| CN115762694A (zh) | 一种基于lmke的解析电子病历辅助医院库存管理方法 | |
| Porter et al. | The long COVID research literature |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210406 |
|
| WW01 | Invention patent application withdrawn after publication |