• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      體現(xiàn)辨證論治差異的不孕癥知識(shí)圖譜構(gòu)建方法研究

      2023-03-16 10:21:34馬月坤張可心
      計(jì)算機(jī)工程 2023年3期
      關(guān)鍵詞:三元組醫(yī)案醫(yī)家

      馬月坤,張可心,高 唱

      (1.華北理工大學(xué) 人工智能學(xué)院,河北 唐山 063210;2.華北理工大學(xué) 河北省工業(yè)智能感知重點(diǎn)實(shí)驗(yàn)室,河北 唐山 063210;3.北京科技大學(xué) 計(jì)算機(jī)與通信工程學(xué)院,北京 100083;4.材料領(lǐng)域知識(shí)工程北京市重點(diǎn)實(shí)驗(yàn)室,北京 100083)

      0 概述

      辨證論治是中醫(yī)學(xué)的主要學(xué)術(shù)特色和價(jià)值體現(xiàn),是醫(yī)家認(rèn)識(shí)和治療疾病的基本原則。方藥中先生在《辨證論治研究七講》[1]中對(duì)辨證論治理論體系進(jìn)行了總結(jié):辨證即通過(guò)四診并根據(jù)患者一系列癥狀表現(xiàn)進(jìn)行病因、性質(zhì)、部位等方面的綜合分析,概括判斷出“證”;論治即在辨證的基礎(chǔ)上制定相應(yīng)的治療法則與措施。由于不同的醫(yī)家學(xué)術(shù)觀點(diǎn)常有不同,在“辨證”與“論治”中,存在如下兩種差異:第一種體現(xiàn)在辨證結(jié)果上,依據(jù)患者的癥狀表現(xiàn),不同的醫(yī)家對(duì)病位、病性、病勢(shì)以及輕重的認(rèn)識(shí)各有側(cè)重[2],根據(jù)自身習(xí)慣與經(jīng)驗(yàn)可能從不同角度辨別證候[3-4];另一種體現(xiàn)在用藥治療上,醫(yī)家依據(jù)多年的實(shí)踐經(jīng)驗(yàn),在治療時(shí)可能因?yàn)橹委熃嵌炔煌沟盟玫乃幬镆矔?huì)存在差異[5-6]。因此,認(rèn)識(shí)和把握名老中醫(yī)辨證論治差異是中醫(yī)個(gè)性化知識(shí)繼承與發(fā)展的重要基礎(chǔ),構(gòu)建能夠直觀體現(xiàn)差異的知識(shí)圖譜,在名老中醫(yī)診療經(jīng)驗(yàn)的整合及診療規(guī)律的發(fā)現(xiàn)上具有重要意義。

      近年來(lái),中醫(yī)藥知識(shí)圖譜構(gòu)建被廣泛研究。劉凡[7]以姚乃禮醫(yī)師中醫(yī)脾胃病臨床經(jīng)驗(yàn)為研究對(duì)象,構(gòu)建脾胃病知識(shí)圖譜,分析和展示姚乃禮醫(yī)師在脾胃病上的診療思路。也有部分學(xué)者利用多位醫(yī)家的臨床診療數(shù)據(jù)構(gòu)建不同中醫(yī)流派的知識(shí)圖譜。李新龍[8]分別對(duì)3 位醫(yī)家有關(guān)失眠癥的臨床醫(yī)案構(gòu)建知識(shí)圖譜,分別展示3 位醫(yī)家個(gè)性化辨證論治知識(shí)體系。張雨琪等[9]針對(duì)趙炳南、朱仁康的用方經(jīng)驗(yàn),構(gòu)建關(guān)于不同流派治療皮膚病的知識(shí)圖譜。盡管上述構(gòu)建的知識(shí)圖譜在一定程度上整合了多位醫(yī)家的診療經(jīng)驗(yàn),系統(tǒng)地建立了辨證論治知識(shí)之間的關(guān)聯(lián),但是沒(méi)有直觀地體現(xiàn)不同醫(yī)家在某種疾病上的辨證規(guī)律和個(gè)性化用藥習(xí)慣。

      本文以不同醫(yī)家在辨證論治中存在的兩種差異性為出發(fā)點(diǎn),區(qū)別于目前的知識(shí)圖譜,構(gòu)建整合多位醫(yī)家辨證論治知識(shí)并且能夠直觀反映不同醫(yī)家辨證論治差異的知識(shí)圖譜,以體現(xiàn)名老中醫(yī)的辨證及用藥規(guī)律。

      1 體現(xiàn)辨證論治差異的知識(shí)圖譜構(gòu)建思路

      知識(shí)圖譜[10-11]是一種從數(shù)據(jù)中獲取知識(shí),描述真實(shí)世界中存在的概念或?qū)嶓w以及概念、實(shí)體之間關(guān)系的技術(shù)方法。領(lǐng)域知識(shí)圖譜通常采用自頂向下的方式來(lái)構(gòu)建[12-13],首先根據(jù)知識(shí)的層次與體系,確定實(shí)體類型與實(shí)體屬性以及實(shí)體間的關(guān)系,建立知識(shí)圖譜框架;然后從數(shù)據(jù)中提取實(shí)體與關(guān)系,以RDF三元組的形式關(guān)聯(lián)存儲(chǔ)知識(shí),構(gòu)成知識(shí)圖譜。

      本課題組前期收集婦科名老中醫(yī)臨床醫(yī)案,通過(guò)自頂向下的方式,分別為不同醫(yī)家建立婦科疾病診療的個(gè)性化知識(shí)圖譜。每個(gè)個(gè)性化知識(shí)圖譜中均包含由10 類實(shí)體、9 種關(guān)系組成的知識(shí)圖譜框架,以及對(duì)應(yīng)醫(yī)家醫(yī)案中涉及的實(shí)體與關(guān)系實(shí)例。根據(jù)本文需要,選取6 位在不孕癥診治上經(jīng)驗(yàn)豐富的醫(yī)家個(gè)性化知識(shí)圖譜,利用其中的4 種實(shí)體類型、5 種關(guān)系以及相關(guān)的三元組,作為本文構(gòu)建體現(xiàn)不孕癥辨證論治差異知識(shí)圖譜的基礎(chǔ),涉及的實(shí)體類型、關(guān)系、三元組示例如表1 所示。

      表1 實(shí)體類型、關(guān)系、三元組示例Table 1 Examples of entity types,relationships,triples

      已有的不孕癥知識(shí)圖譜以三元組為單位,獨(dú)立地存儲(chǔ)表達(dá)各醫(yī)家關(guān)于不孕癥的診療知識(shí),無(wú)法直觀體現(xiàn)不同醫(yī)家的不孕癥辨證論治個(gè)性化差異。本文在此知識(shí)框架的基礎(chǔ)上,在與辨證論治有關(guān)的“癥證”和“證藥”關(guān)系中添加“doctor”和“value”屬性,分別體現(xiàn)不同醫(yī)家在辨證結(jié)果與用藥治療上的差異。“癥證”關(guān)系與“doctor”和“value”關(guān)系屬性共同表示在某位醫(yī)家的醫(yī)案數(shù)據(jù)中癥狀在此證候中出現(xiàn)的典型程度。同樣,“證藥”關(guān)系與“doctor”和“value”關(guān)系屬性共同表示在某位醫(yī)家的醫(yī)案數(shù)據(jù)中用某中藥治療此證候的可能性。本文統(tǒng)一將“value”屬性值稱為實(shí)體間的關(guān)聯(lián)強(qiáng)度,具體關(guān)系屬性定義如表2 所示。

      表2 關(guān)系屬性定義Table 2 Definition of relationship attributes

      關(guān)聯(lián)強(qiáng)度的計(jì)算是本文構(gòu)建體現(xiàn)辨證論治差異知識(shí)圖譜的主要任務(wù)之一。由于概率軟邏輯[14-15]具有對(duì)關(guān)系型數(shù)據(jù)建模的能力,以及通過(guò)構(gòu)建邏輯規(guī)則描述數(shù)據(jù)之間關(guān)聯(lián)并進(jìn)行可解釋性推理的優(yōu)點(diǎn),因此本文根據(jù)辨證論治思想,構(gòu)建邏輯規(guī)則描述不孕癥知識(shí)之間的關(guān)聯(lián),利用概率推理機(jī)制推理關(guān)聯(lián)強(qiáng)度。

      將不同醫(yī)家不孕癥個(gè)性化知識(shí)圖譜融合為一個(gè)具有多位醫(yī)家診療經(jīng)驗(yàn)的綜合知識(shí)圖譜是本文的另一個(gè)主要任務(wù)。近年來(lái),利用圖神經(jīng)網(wǎng)絡(luò)進(jìn)行知識(shí)融合成為研究熱點(diǎn)[16-18],圖神經(jīng)網(wǎng)絡(luò)能夠很好地適用于知識(shí)圖譜結(jié)構(gòu)并在知識(shí)融合任務(wù)中表現(xiàn)出良好的性能。本文提出基于關(guān)系圖注意力網(wǎng)絡(luò)的知識(shí)融合(Relational Graph Attention network for Knowledge Fusion,RGAKF)模型,通過(guò)考慮不孕癥知識(shí)圖譜中關(guān)系對(duì)鄰域?qū)嶓w信息傳播的影響,更全面地融合多位醫(yī)家的不孕癥知識(shí)。

      2 基于概率軟邏輯的關(guān)聯(lián)強(qiáng)度推理

      2.1 不孕癥醫(yī)案數(shù)據(jù)預(yù)處理

      本節(jié)通過(guò)PageRank[19]算法對(duì)每位醫(yī)家不孕癥醫(yī)案中癥狀、證候、中藥進(jìn)行統(tǒng)計(jì),作為后續(xù)概率軟邏輯推理關(guān)聯(lián)強(qiáng)度任務(wù)的基礎(chǔ)。具體步驟如下:

      1)根據(jù)課題組已有數(shù)據(jù),定義癥狀、證候、中藥3個(gè)集 合。癥狀集Symd={(Docdi,{sym1,sym2,…,symn1})},其中,Symd為醫(yī)家d醫(yī)案中涉及的癥狀集合,Docdi代表醫(yī)家d所有醫(yī)案中的第i個(gè)醫(yī)案,{sym1,sym2,…,symn1}表示的是對(duì)應(yīng)于第i個(gè)醫(yī)案的癥狀集合;證候集Synd={(Docdi,{syn1,syn2,…,synn2})},其中,Synd為醫(yī)家d醫(yī)案中涉及的證候集合,{syn1,syn2,…,synn2}表示該醫(yī)家醫(yī)案i中包含的證候集合;中藥集Medd={(Docdi,{med1,med2,…,medn3})},其中,Medd為醫(yī)家d的醫(yī)案中涉及的中藥集合,{med1,med2,…,medn3}表示該醫(yī)家醫(yī)案i中包含的中藥集合。

      2)分別以醫(yī)案節(jié)點(diǎn)為出鏈節(jié)點(diǎn),以已有醫(yī)家醫(yī)案的癥狀集、證候集、中藥集中包含的節(jié)點(diǎn)作為入鏈節(jié)點(diǎn),分別構(gòu)建癥狀PageRank 圖(Sym-prG)、證候PageRank 圖(Syn-prG)和中藥PageRank 圖(MedprG)。由于癥狀表現(xiàn)與醫(yī)家無(wú)關(guān),因此只需構(gòu)建對(duì)應(yīng)所有癥狀的一個(gè)Sym-prG;而由于辨證論治過(guò)程中不同醫(yī)家辨證結(jié)果和用藥有所差異,因此在構(gòu)建證候和中藥兩類PageRank 圖時(shí),需要分別針對(duì)不同醫(yī)家構(gòu)建相應(yīng)的Syn-prG 和Med-prG。

      3)基于不同策略分別計(jì)算上述3 種PageRank 圖中對(duì)應(yīng)癥狀、證候、中藥節(jié)點(diǎn)的PageRank 值(以下簡(jiǎn)稱為PR 值)。PR 值計(jì)算公式如式(1)所示:

      其中:u表示某個(gè)具體的癥狀、證候或中藥;N表示構(gòu)建的PageRank 圖中包含的節(jié)點(diǎn)個(gè)數(shù);v表示包含u的某一醫(yī)案;Bu表示包含u的醫(yī)案集合;L(v)表示v醫(yī)案包含的其他癥狀、證候或中藥的個(gè)數(shù);a表示阻尼因子,通常取0.85。

      以構(gòu)建Sym-prG、朱南孫Med-prG 為例,分別計(jì)算癥狀節(jié)點(diǎn)PR 值、朱南孫醫(yī)案對(duì)應(yīng)的中藥節(jié)點(diǎn)PR值。構(gòu)建的PageRank 圖與PR 值計(jì)算結(jié)果示例分別如圖1、圖2 所示。

      圖1 癥狀PageRank 圖與結(jié)果示例Fig.1 Symptom PageRank graph and results example

      圖2 中藥PageRank 圖與結(jié)果示例Fig.2 Medicine PageRank graph and results example

      2.2 關(guān)聯(lián)強(qiáng)度推理

      本節(jié)基于概率軟邏輯對(duì)關(guān)聯(lián)強(qiáng)度進(jìn)行推理。概率軟邏輯具有邏輯謂詞與規(guī)則兩個(gè)要素,其中,每個(gè)邏輯謂詞具有[0,1]之間的軟真值,規(guī)則由邏輯謂詞組成。本節(jié)根據(jù)實(shí)體及實(shí)體間的關(guān)系定義邏輯謂詞,PR 值作為邏輯謂詞軟真值,通過(guò)自定義規(guī)則推理關(guān)聯(lián)強(qiáng)度。

      基于謂詞表示方法,采用Rel(E1,E2)表示實(shí)體E1和實(shí)體E2以及它們之間的關(guān)系Rel[20-21],從而構(gòu)建邏輯謂詞。通過(guò)表1 構(gòu)建相應(yīng)的邏輯謂詞如表3 所示。

      表3 邏輯謂詞Table 3 Logical predicates

      依據(jù)方藥中對(duì)辨證論治體系的總結(jié),制定r1、r2兩條規(guī)則:

      在r1中,BZ(B,Z)表示B 病具有Z 癥狀,BH(B,H)表示此醫(yī)家辨別為H 證候,那么在B 病中,Z 癥狀與H 證候有關(guān)聯(lián)。在r2中,BH(B,H)表示此醫(yī)家辨別為H 證候,BY(B,Y)表示此醫(yī)家使用Y 中藥,那么在B 病中,H 證候和Y 中藥有關(guān)聯(lián)。其中,“BZ”“BH”“BY”3 種邏輯謂詞的軟真值分別為癥狀、證候、中藥PR 值,“ZZ”“ZY”兩種邏輯謂詞的軟真值通過(guò)概率軟邏輯計(jì)算的每條規(guī)則的距離滿意度來(lái)推理。距離滿意度計(jì)算方法為:

      其中:I(rbody)為規(guī)則中箭頭前規(guī)則體的軟真值;I(rhead)為規(guī)則中箭頭后規(guī)則頭的軟真值。規(guī)則體軟真值的運(yùn)算方法為:

      其中:l1、l2為邏輯謂詞,如BZ(B,Z);I(l1)、I(l2)表示l1、l2的軟真值。

      本文采用概率軟邏輯最常用的推理方法——最大概率推理進(jìn)行推理。由于軟真值取值采用連續(xù)數(shù)值,因此最大概率推理求最優(yōu)解過(guò)程可以轉(zhuǎn)換為凸優(yōu)化求解。

      本文定義的用于“癥證”關(guān)聯(lián)強(qiáng)度和“證藥”關(guān)聯(lián)強(qiáng)度推理的概率軟邏輯的概率分布如式(8)所示:

      其中:R為規(guī)則集合;Z為歸一化因子;d(r)表示規(guī)則r的距離滿意度;p表示邏輯謂詞的階,本文取p=1;λr為規(guī)則r的權(quán)重,由于本文涉及的兩個(gè)規(guī)則同等重要,因此λr取值均為1。

      概率軟邏輯以本文定義的兩條規(guī)則以及邏輯謂詞的軟真值作為輸入,通過(guò)計(jì)算概率分布中的規(guī)則距離滿意度,應(yīng)用最大概率推理機(jī)制推理“ZZ”和“ZY”兩種邏輯謂詞的軟真值,即“癥證”關(guān)聯(lián)強(qiáng)度與“證藥”關(guān)聯(lián)強(qiáng)度。

      2.3 關(guān)聯(lián)強(qiáng)度結(jié)果分析

      以“月經(jīng)量少”癥狀為例,概率軟邏輯推理的“癥證”關(guān)聯(lián)強(qiáng)度結(jié)果示例如表4 所示。

      表4 “癥證”關(guān)聯(lián)強(qiáng)度結(jié)果示例Table 4 Results sample of correlation strength of "symptom and syndrome"

      表4 中“癥證”關(guān)聯(lián)強(qiáng)度這一列數(shù)值代表的是不同醫(yī)家認(rèn)為“月經(jīng)量少”癥狀在不同證候中的典型程度,能夠證明不同醫(yī)家針對(duì)“月經(jīng)量少”的辨證結(jié)果存在差異。

      以“氣滯血瘀”證候?yàn)槔怕受涍壿嬐评淼摹白C藥”關(guān)聯(lián)強(qiáng)度結(jié)果示例如表5 所示。

      表5 “證藥”關(guān)聯(lián)強(qiáng)度結(jié)果示例Table 5 Results sample of correlation strength of "syndrome and medicine"

      表5 中反映了不同醫(yī)家在治療“氣滯血瘀”時(shí)的用藥規(guī)律,其中,“證藥”關(guān)聯(lián)強(qiáng)度這一列數(shù)值具體表征了不同醫(yī)家在治療同種證候時(shí)的用藥差異。

      3 基于關(guān)系圖注意力網(wǎng)絡(luò)的知識(shí)融合模型

      3.1 問(wèn)題定義

      定義KGd=(Ed,Rd,Td)為醫(yī)家d的不孕癥個(gè)性化知識(shí)圖譜,其中,Ed為醫(yī)家d的醫(yī)案中包含的實(shí)體集合,Rd為醫(yī)家d的醫(yī)案中包含的關(guān)系集合,Td=(h,t,r)為三元組集合。為了描述不同知識(shí)圖譜中的相同實(shí)體節(jié)點(diǎn),定義如下集合:

      其中:m、n表示個(gè)性化知識(shí)圖譜編號(hào);k為KGm與KGn中相同實(shí)體對(duì)的個(gè)數(shù)。

      知識(shí)圖譜融合任務(wù)可以定義為分別在多個(gè)醫(yī)家的個(gè)性化知識(shí)圖譜中挖掘相同實(shí)體,并以此為基礎(chǔ),將多個(gè)個(gè)性化圖譜融合為一個(gè)綜合性知識(shí)圖譜,其關(guān)鍵在于如何利用知識(shí)圖譜KGi和知識(shí)圖譜KGj中包含的知識(shí)元組及預(yù)先定義好的相同實(shí)體節(jié)點(diǎn)集合Sij,并通過(guò)本文提出的基于關(guān)系圖注意力網(wǎng)絡(luò)的知識(shí)融合模型,對(duì)兩個(gè)知識(shí)圖譜中包含的未知相同實(shí)體進(jìn)行預(yù)測(cè)。

      3.2 RGAKF 模型介紹

      3.2.1 RGAKF 模型框架

      本文提出的RGAKF 模型框架如圖3 所示。在該模型中,針對(duì)圖注意力網(wǎng)絡(luò)[22-23]中存在的對(duì)鄰域?qū)嶓w進(jìn)行傳播聚合時(shí)未考慮關(guān)系對(duì)實(shí)體影響的問(wèn)題,提出一種關(guān)系圖注意力網(wǎng)絡(luò),實(shí)現(xiàn)實(shí)體和關(guān)系信息的同步鄰域信息傳播聚合,達(dá)到對(duì)實(shí)體向量語(yǔ)義增強(qiáng)的目的。

      圖3 RGAKF 模型框架Fig.3 RGAKF model framework

      如圖3 所示,通過(guò)RGAKF 模型實(shí)現(xiàn)了朱南孫不孕癥知識(shí)圖譜KG1中“黨參”節(jié)點(diǎn)與蔡小蓀不孕癥知識(shí)圖譜KG2中“黨參”節(jié)點(diǎn)是否為同一實(shí)體的判定。具體過(guò)程為:首先,將KG1和KG2中的實(shí)體和關(guān)系進(jìn)行初始化嵌入;然后,利用RGAKF 中的關(guān)系圖注意力網(wǎng)絡(luò),實(shí)現(xiàn)“黨參”節(jié)點(diǎn)周圍的二跳關(guān)系與二跳鄰域節(jié)點(diǎn)實(shí)體的信息聚合,得到豐富的實(shí)體向量表征;最后,通過(guò)曼哈頓距離函數(shù)對(duì)是否為相同實(shí)體進(jìn)行預(yù)測(cè)。

      3.2.2 關(guān)系圖注意力網(wǎng)絡(luò)

      在中醫(yī)知識(shí)圖譜中,同一實(shí)體在不同關(guān)系下扮演著不同的角色,例如“乏力”這一實(shí)體,在“病癥”關(guān)系下,“不孕癥”與“乏力”之間為“包含”之意,而在“癥證”關(guān)系下,“乏力”與“肝腎陰虛”之間則為“被導(dǎo)致”之意,因此,知識(shí)圖譜中的關(guān)系屬性對(duì)實(shí)體含義的表達(dá)至關(guān)重要。關(guān)系圖注意力網(wǎng)絡(luò)考慮關(guān)系對(duì)實(shí)體信息表達(dá)的影響,將實(shí)體節(jié)點(diǎn)鄰域中表示關(guān)系的邊的信息和表示實(shí)體的節(jié)點(diǎn)的信息進(jìn)行加權(quán)聚合,獲得實(shí)體節(jié)點(diǎn)的富語(yǔ)義表征。

      1)模型的注意力機(jī)制

      上文中提到的加權(quán)聚合的權(quán)重矩陣通過(guò)知識(shí)圖譜中的知識(shí)轉(zhuǎn)化而成,具體做法是將知識(shí)圖譜中知識(shí)三元組轉(zhuǎn)化為注意力系數(shù),該系數(shù)構(gòu)成的矩陣就是對(duì)應(yīng)的權(quán)重矩陣。注意力系數(shù)計(jì)算方法如圖4所示。

      圖4 注意力系數(shù)的計(jì)算過(guò)程Fig.4 Calculation process of attention coefficient

      通過(guò)對(duì)實(shí)體向量和關(guān)系向量拼接并進(jìn)行線性變換得到三元組的向量表示:

      其中:ei、ej、rk分別為實(shí)體i、j以及關(guān)系k的向量表示;W1為線性變換矩陣;“||”表示拼接操作。

      通過(guò)矩陣W2對(duì)三元組向量表示進(jìn)行線性變換,利用LeakyReLU 函數(shù)得到每個(gè)三元組的注意力系數(shù):

      使用Softmax 函數(shù)將注意力系數(shù)歸一化,得到每個(gè)三元組的注意力權(quán)重:

      其中:N(i)表示i實(shí)體的鄰居節(jié)點(diǎn);R(in)表示i節(jié)點(diǎn)與鄰居節(jié)點(diǎn)之間的關(guān)系集合。

      2)鄰域節(jié)點(diǎn)信息聚合

      通過(guò)聚合與實(shí)體相關(guān)的一階三元組向量及注意力權(quán)重,得到新的實(shí)體向量:

      疊加多層RGAKF,通過(guò)逐階迭代的方式聚合實(shí)體更遠(yuǎn)的鄰居節(jié)點(diǎn)信息,第h層聚合之后得到的實(shí)體向量表示為:

      其中:tijk(h-1)為經(jīng)過(guò)h-1 層的信息傳播聚合生成的三元組向量。

      3.3 模型訓(xùn)練

      本文利用式(15)所示的曼哈頓距離計(jì)算公式來(lái)計(jì)算實(shí)體之間的相似度:

      本文通過(guò)一組相同實(shí)體對(duì)集合訓(xùn)練RGAKF 模型,使用式(16)所示的Hinge Loss 作為損失函數(shù):

      其中:Sij'為針對(duì)實(shí)體對(duì)(ei,ej)構(gòu)造的負(fù)例集合;負(fù)例實(shí)體對(duì)(ei',ej')中的實(shí)體分別是在KGi和KGj中隨機(jī)選取的實(shí)體;β為分割正負(fù)例的邊界超參數(shù)。

      4 實(shí)驗(yàn)結(jié)果與分析

      4.1 RGAKF 實(shí)驗(yàn)結(jié)果

      本文使用Hit@N和MeanRank 來(lái)評(píng)估RGAKF模型在知識(shí)融合任務(wù)中的性能。Hit@N計(jì)算正確的實(shí)體在預(yù)測(cè)列表中前N個(gè)候選實(shí)體中排名的比例,本文設(shè)置N為1、10、30。MeanRank 計(jì)算正確的實(shí)體在預(yù)測(cè)列表中的平均排序位置。本文將朱南孫不孕癥知識(shí)與其余5 位醫(yī)家的不孕癥知識(shí)分別進(jìn)行組合,利用5 組數(shù)據(jù)從兩個(gè)方向上分別測(cè)試RGAKF 的性能,實(shí)驗(yàn)結(jié)果如表6 所示。

      表6 RGAKF 實(shí)驗(yàn)結(jié)果Table 6 RGAKF experimental results

      由表6 可以得出:本文提出的RGAKF 模型在朱南孫-錢伯煊數(shù)據(jù)集上4 個(gè)指標(biāo)均表現(xiàn)出了最優(yōu)的性能,在另一個(gè)方向上的錢伯煊-朱南孫數(shù)據(jù)集上,Hit@1、Hit@10 及Hit@30 均表現(xiàn)出了最優(yōu)的性能;在朱南孫-蔡小蓀數(shù)據(jù)集上Hit@1、Hit@10及MeanRank效果較差,在李祥云-朱南孫數(shù)據(jù)集上Hit@1、Hit@10效果較差。經(jīng)過(guò)分析,原因在于朱南孫-錢伯煊數(shù)據(jù)集中數(shù)據(jù)完備,模型訓(xùn)練充分,而朱南孫-蔡小蓀、李祥云-朱南孫兩組數(shù)據(jù)集數(shù)據(jù)的完備性較低,導(dǎo)致模型訓(xùn)練效果較差。因此,表6 結(jié)果證明了RGAKF 模型在知識(shí)融合任務(wù)中的有效性。

      4.2 基于Neo4j 的知識(shí)圖譜可視化

      通過(guò)RGAKF 得到6 位醫(yī)家的不孕癥知識(shí)圖譜中的相同實(shí)體,對(duì)相同實(shí)體統(tǒng)一編碼,實(shí)現(xiàn)知識(shí)的融合。本文將實(shí)體、關(guān)系存儲(chǔ)為CSV 文件,使用Cypher 語(yǔ)言的LOAD CSV 語(yǔ)句將存儲(chǔ)為CSV 文件的數(shù)據(jù)導(dǎo)入到Neo4j 數(shù)據(jù)庫(kù)[24-25]中,利用Neo4j 圖數(shù)據(jù)庫(kù)可視化得到圖5 所示的不孕癥知識(shí)圖譜,兩個(gè)子圖顯示“癥證”關(guān)系和“證藥”關(guān)系分別在“doctor”和“value”屬性下的可視化結(jié)果。

      圖5 知識(shí)圖譜可視化結(jié)果Fig.5 Visualization results of knowledge graph

      在知識(shí)圖譜中查詢6 位醫(yī)家關(guān)于“經(jīng)血挾塊”的辨證結(jié)果,部分示例如圖6 所示,其中,關(guān)聯(lián)強(qiáng)度最大的用粗箭頭表示,第二位的用標(biāo)準(zhǔn)箭頭表示,其他結(jié)果用虛線箭頭表示。由圖6 結(jié)果可知,在“經(jīng)血挾塊”的辨證上,朱南孫、張淑亭、錢伯煊、蔡小蓀可能辨別為氣滯血瘀,楊宗孟從肝旺瘀阻與脾腎虧虛入手,錢伯煊、朱南孫辨別為腎氣不足的可能性也比較大,李祥云則更多得辨別為肝經(jīng)郁結(jié)型。由此可見,通過(guò)構(gòu)建的知識(shí)圖譜可以體現(xiàn)不同醫(yī)家的辨證結(jié)果差異。

      圖6 6 位醫(yī)家關(guān)于“經(jīng)血挾塊”的辨證結(jié)果Fig.6 Syndrome differentiation results of "menstrual blood impingement" among six doctors

      在知識(shí)圖譜中分別查詢6 位醫(yī)家關(guān)于“氣滯血瘀”的用藥結(jié)果,如圖7 所示,其中,關(guān)聯(lián)強(qiáng)度前兩位的用粗箭頭表示,關(guān)聯(lián)強(qiáng)度較強(qiáng)的用標(biāo)準(zhǔn)箭頭表示,其他結(jié)果用虛線箭頭表示。

      圖7 6 位醫(yī)家關(guān)于“氣滯血瘀”的用藥結(jié)果Fig.7 The medication results of "Qi stagnation and blood stasis" by six doctors

      由查詢結(jié)果可知,楊宗孟常用阿膠、仙茅、川續(xù)斷來(lái)治療,李祥云更擅長(zhǎng)用大血藤、巴戟天、益母草等,朱南孫常用生蒲黃、茜草、絲瓜絡(luò)、川楝子,而張淑亭更擅長(zhǎng)用蒲公英和芡實(shí)。本文參考《中醫(yī)大辭典》[26]可知:阿膠、生蒲黃、茜草都?xì)w經(jīng)于肝,具有止血的功效;仙茅、川續(xù)斷、巴戟天、芡實(shí)都有補(bǔ)腎功效;大血藤、蒲公英都有清熱解毒的功效等。由此可知,楊宗孟更擅長(zhǎng)通過(guò)補(bǔ)腎治療不孕癥,朱南孫更習(xí)慣用具有活血化瘀功效的中藥等。通過(guò)構(gòu)建的知識(shí)圖譜可以直觀體現(xiàn)不同醫(yī)家的用藥差異。

      5 結(jié)束語(yǔ)

      不同醫(yī)家的辨證論治存在辨證結(jié)果和用藥習(xí)慣兩個(gè)方面的差異,本文以6 位醫(yī)家不孕癥知識(shí)為基礎(chǔ),構(gòu)建一個(gè)既整合6 位醫(yī)家不孕癥診療知識(shí)又能夠體現(xiàn)辨證結(jié)果與用藥治療差異的知識(shí)圖譜。通過(guò)概率軟邏輯對(duì)關(guān)聯(lián)強(qiáng)度進(jìn)行可解釋性推理,利用融合關(guān)系信息的RGAKF 模型實(shí)現(xiàn)不孕癥辨證論治知識(shí)融合。實(shí)驗(yàn)結(jié)果證明了RGAKF 模型在知識(shí)融合任務(wù)中的有效性。通過(guò)本文構(gòu)建的知識(shí)圖譜直觀地體現(xiàn)辨證論治差異,有利于中醫(yī)個(gè)性化診療知識(shí)的傳承與發(fā)展。本文通過(guò)研究發(fā)現(xiàn),患者從患病到痊愈是一個(gè)動(dòng)態(tài)的過(guò)程,若在知識(shí)圖譜中增加醫(yī)案中診次信息的相關(guān)細(xì)節(jié)內(nèi)容,則知識(shí)圖譜中的知識(shí)會(huì)更全面。因此,下一步考慮在知識(shí)圖譜中添加患者病程信息,以體現(xiàn)患者不同診次間的辨證論治差異。

      猜你喜歡
      三元組醫(yī)案醫(yī)家
      基于語(yǔ)義增強(qiáng)雙編碼器的方面情感三元組提取
      軟件工程(2024年12期)2024-12-28 00:00:00
      基于帶噪聲數(shù)據(jù)集的強(qiáng)魯棒性隱含三元組質(zhì)檢算法*
      關(guān)于余撓三元組的periodic-模
      醫(yī)案聊齋續(xù)篇 吐瀉案
      醫(yī)案聊齋續(xù)篇 晨泄案
      “正統(tǒng)四象說(shuō)” 與“醫(yī)家四象說(shuō)” 相關(guān)問(wèn)題辨析
      清代著名醫(yī)家莫枚士之《經(jīng)方例釋》臨證用藥思路探析
      新加香薷飲醫(yī)案6則
      古醫(yī)籍中刺絡(luò)放血醫(yī)案淺析
      淺談清代河南醫(yī)家李守先《針灸易學(xué)》的學(xué)術(shù)特色
      新闻| 广灵县| 嘉兴市| 民权县| 涟水县| 堆龙德庆县| 景德镇市| 合阳县| 龙井市| 什邡市| 西乌珠穆沁旗| 阜新| 尼玛县| 盐山县| 大冶市| 鹤山市| 新乡县| 万宁市| 渭源县| 山东省| 新营市| 襄汾县| 溧阳市| 宁国市| 博兴县| 泰安市| 胶州市| 兖州市| 南乐县| 镶黄旗| 土默特左旗| 成武县| 佳木斯市| 二连浩特市| 牙克石市| 包头市| 中宁县| 广汉市| 云南省| 云安县| 镇赉县|