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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于语义驱动和舌象补全的草药推荐方法和系统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：CN121117287B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511662496.3，技术领域涉及：G06F16/9035；该发明授权基于语义驱动和舌象补全的草药推荐方法和系统是由鹿文鹏;李一硕;张维玉;任晓强;管红娇;郑超群;王聪设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于语义驱动和舌象补全的草药推荐方法和系统在说明书摘要公布了：本发明提出一种基于语义驱动和舌象补全的草药推荐方法和系统，涉及自然语言处理技术领域及推荐系统领域，旨在解决现有草药推荐方法忽略舌象关键信息、症状语义表达不完整导致的推荐准确性低、临床适配性差的问题。该方法包括：构建包含患者编号、舌象图片、舌象性质、症状文本及草药集合的草药推荐数据集；构建草药推荐模型，包括舌象去偏子模块、舌象补全子模块、草药推荐模块；采用二进制交叉熵损失函数和Adam优化器对模型进行多轮迭代训练直至收敛。本发明实现症状与舌象联合辨证，保持症状语义完整性，显著提升草药推荐的精确性与临床可解释性，适用于智慧中医诊疗场景。

本发明授权基于语义驱动和舌象补全的草药推荐方法和系统在权利要求书中公布了：1.基于语义驱动和舌象补全的草药推荐方法，其特征在于，包括步骤： S1、构建草药推荐数据集：收集包含病人舌象、症状、草药的公开数据，构建私有数据集，对所述私有数据集进行预处理，再按比例划分得到训练数据、验证数据和测试数据，组合形成最终的草药推荐数据集；所述最终的草药推荐数据集中的每条患者记录包含患者编号、舌象图片、标准的舌象性质、带偏见的舌象性质、症状文本及用于治疗的草药集合； S2、构建草药推荐模型：利用神经网络和深度学习方法构建包含舌象去偏能力训练模块、舌象补全能力训练模块、草药推荐模块的草药推荐模型； 所述舌象去偏能力训练模块采用视觉语言大模型作为基础模型，以草药推荐数据集中的舌象图片和标准的舌象性质为输入，通过掩码学习方式训练视觉语言大模型对舌象性质的去偏能力，构建得到舌象去偏子模块； 所述舌象补全能力训练模块以舌象图片及其对应的带偏见的舌象性质、症状文本以及舌象去偏子模块生成的去偏见的舌象性质作为输入，训练舌象补全子模块具备根据症状文本生成完整舌象性质的能力，构建得到舌象补全子模块； 所述草药推荐模块将症状文本经舌象补全子模块生成的补全舌象表示与症状文本自身的语义表示进行融合，计算并输出草药推荐概率； S3、训练草药推荐模型：在步骤S1得到的草药推荐数据集中，对步骤S2构建的草药推荐模型进行多轮迭代训练； 步骤S2中舌象去偏能力训练模块的构建过程包括： 遮掩标准的舌象性质：随机选取标准的舌象性质中部分性质进行遮掩： ， 其中，、分别表示第i个患者的标准的舌象性质和舌象图片，表示被遮掩的舌象性质； 训练视觉语言大模型：将舌象图片和被遮掩的舌象性质填入预设Prompt模板，生成Prompt送入视觉语言大模型进行检查与审核，视觉语言大模型生成复原的舌象性质： ， 其中，表示视觉语言大模型生成的第i个患者的复原的舌象性质； 步骤S2中舌象补全能力训练模块的构建过程包括： 生成去偏见的舌象性质：将舌象图片和带偏见的舌象性质输入舌象去偏子模块，通过预设Prompt生成去偏见的舌象性质，作为舌象补全子模块训练的真实标签： ， 其中，表示第i个患者记录中带偏见的舌象性质；表示去偏见的舌象性质； 构建舌象补全子模块：基于TransformerEncoder架构，借助去偏见的舌象性质，微调训练舌象补全子模块的舌象补全能力： ， ， 其中，TongueEncoder为舌象补全子模块，代表第i个患者的症状文本；TongueEncoder[0]代表全部序列的表示；是补全的舌象表示；、均是可学习的参数矩阵；是根据补全的舌象表示在第j个舌象性质分类上预测的结果； 借助舌象去偏子模块生成的去偏见的舌象性质微调训练舌象补全子模块，使用交叉熵损失函数： ， 其中，表示舌象性质分类的数量；表示舌象性质分类中选项的数量；是去偏见的舌象性质中第j个分类的值； 步骤S2中草药推荐模块的构建过程包括： 结合微调后的舌象补全子模块和医疗文本编码器，构建患者综合表示： ， ， ， 其中，TextEncoder为医疗文本编码器；、为可训练的参数；是第i个患者的症状文本；是症状文本表示；是补全的舌象表示； 将补全的舌象表示和症状文本表示进行拼接降维获得患者表示，使用图卷积网络基于药物共现关系图建模药物共现表示，并使用图卷积网络基于草药共现关系图建模草药共现表示，然后使用注意力机制计算草药表示，最后将草药表示经过全连接层与Sigmoid激活函数计算出草药推荐结果： ， ， ， ， ， 其中，是草药共现表示；、、、是可学习的参数矩阵；是草药共现图；是图中初始化的草药共现表示；ReLU和Sigmoid是不同的激活函数；dim是定义维度的超参数；是最终的草药推荐概率，为对角矩阵；表示单位矩阵，为的两个自变量。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区大学路3501号；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。