Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南中医药大学丁长松获国家专利权

湖南中医药大学丁长松获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉湖南中医药大学申请的专利一种基于知识驱动与残差注意力网络的中药推荐方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119517319B

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411775987.4,技术领域涉及:G16H20/90;该发明授权一种基于知识驱动与残差注意力网络的中药推荐方法是由丁长松;杨晓艳;李力松;梁杨;黄辛迪;梁茂林;李方成设计研发完成,并于2024-12-05向国家知识产权局提交的专利申请。

一种基于知识驱动与残差注意力网络的中药推荐方法在说明书摘要公布了:本发明公开了一种基于知识驱动与残差注意力网络的中药推荐方法,包括以下步骤:S1,数据收集及清洗模块:获取方剂文本数据,对其中的症状和中药术语执行标准化流程,将执行标准化流程后的数据集划分为训练集、验证集及测试集;S2,实体预训练模块:利用Word2vec训练模型提取症状语义特征,以在方剂中抽取症状实体的特征并获得整体上下文语义表示,构建中药属性知识图谱,将中药自然属性特征作为外部知识融入推荐模型;S3,多图构建及实体特征学习模块:根据症状和中药之间的共现关系,分别构建“症状‑中药”异构图SHHG、“症状‑症状”同构图SSIG和“中药‑中药”同构图HHIG,使用图注意力神经网络从“症状‑中药”异构图SHHG、“症状‑症状”同构图SSIG和“中药‑中药”同构图HHIG上分别抽取症状特征、中药特征及其相互作用特征,并利用残差结构对实体特征进行增强;S4,特征融合及中药推荐模块:将从“症状‑中药”异构图SHHG、“症状‑症状”同构图SSIG和“中药‑中药”同构图HHIG上提取的症状特征和中药特征分别进行融合,得到最终的症状特征和中药特征,并利用MLP对证候特征进行表达,最后根据所给症状集合推荐合适的中药集合。

本发明授权一种基于知识驱动与残差注意力网络的中药推荐方法在权利要求书中公布了:1.一种基于知识驱动与残差注意力网络的中药推荐方法,其特征在于,所述中药推荐方法包括以下步骤: S1,数据收集及清洗模块:获取方剂文本数据,对其中的症状和中药术语执行标准化流程,将执行标准化流程后的数据集划分为训练集、验证集及测试集; S2,实体预训练模块:利用Word2vec训练模型提取症状语义特征,以在方剂中抽取症状实体的特征并获得整体上下文语义表示,构建中药属性知识图谱,将中药自然属性特征作为外部知识融入推荐模型; S3,多图构建及实体特征学习模块:根据症状和中药之间的共现关系,分别构建“症状-中药”异构图、“症状-症状”同构图和“中药-中药”同构图,所述“症状-中药”异构图、所述“症状-症状”同构图和所述“中药-中药”同构图分别使用、和表示,使用图注意力神经网络从、和上分别抽取症状特征、中药特征及其相互作用特征,并利用残差结构对实体特征进行增强,其中,多图构建及实体特征抽取,包括: S301,构建“症状-中药”异构图,其中表示中的症状和中药节点,由所有症状和中药节点之间的边组成,包含了症状和中药之间的潜在关系,以下为图构建公式: , 其中,代表症状和中药之间是否存在相互作用; S302,构建“症状-症状”同构图,表示所有症状节点的集合,表示症状和症状之间共现边集,构建公式如下: , 其中,表示症状之间是否存在共现关系; S303,构建“中药-中药”同构图,表示中所有中药节点的集合,由中药之间共现边组成的边集,构建公式如下: , 其中,表示中药之间是否存在共现关系; S304,计算图、以及中每个节点与其邻居之间的相似系数,具体计算公式如下: , 其中,是共享自注意机制,由单层前馈传播网络构成,是可学习的权重参数,是拼接操作,代表症状节点的输入特征,表示节点对的重要程度; S305,利用函数对注意力系数进行归一化,使得注意力系数在图上所有节点具有可比性,计算过程如下: , 其中,表示节点的邻居节点集合; S306,使用多头注意力机制来获取每个节点的整体特征,计算公式如下: , 其中,是多头自注意机制中使用的头数; S307,利用残差结构增强图中每个节点的特征表示,具体计算公式如下: , S308,将图中学到的所有症状特征表示为,中学习的中药特征表示为,在图中融合症状和中药的交互信息作为症状特征和中药特征; S4,特征融合及中药推荐模块:将从、和上提取的症状特征和中药特征分别进行融合,得到最终的症状特征和中药特征,并利用MLP对证候特征进行表达,最后根据所给症状集合推荐合适的中药集合。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人湖南中医药大学,其通讯地址为:410208 湖南省长沙市岳麓区含浦科教园象嘴路1号湖南中医药大学;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。