[发明专利]一种基于SSTM的中医证候智能诊断方法

权利要求书

1.一种基于SSTM的中医证候智能诊断方法，其特征在于，包括以下步骤：

(1)输入计算机程序可识别的病人电子文档诊疗记录数据集；

(2)构建症状-证候主题模型SSTM，并对模型中的参数求解；

(3)对SSTM进行训练，保存训练结果；

(4)输入预测样本；

(5)智能证候诊断—采用松弛SSTM进行增量训练；

(6)诊断结果及其症候规则输出；

其中，松弛SSTM是SSTM在初始化和抽样阶段取消对证候随机分配的显性约束条件；

所述步骤(2)包括以下步骤：

(21)构建SSTM，模型主题由来自数据集中显性变量—证候标签充当，对主题的分配只针对主症，次症不被分配主题，一个症状s_dn的生成概率公式如下：

其中，d表示一条中医诊疗记录，s表示症状，s_dn表示文档d的第n个症状，z表示证候，z_dn表示文档d的第n个症状所属证候，y为主症和次症标记，y_dn＝0表示文档d的第n个症状为主症，y_dn＝1表示文档d的第n个症状为次症；

(22)对SSTM参数采样求解，具体公式如下：

其中，“-”表示排除当前位置症状t；表示在文档d中，排除当前位置症状t后所有y＝1的症状的计数，表示在文档d中排除当前位置症状t后所有症状的计数，表示训练集中排除当前位置症状t后，所有出现t的计数，表示训练集中排除当前位置症状t后，所有症状的计数，V表示训练集中症状个数，ν为Beta(ν)分布超参数，η为Dirichlet(η)分布超参数；

其中，“-”表示排除当前位置症状t，表示在文档d中，排除当前位置症状t后所有y＝0的症状的计数，表示在文档d中排除当前位置症状t后所有症状的计数，表示训练集中排除当前位置症状t后，编号为k的证候中所有出现t的计数；表示训练集中排除当前位置症状t后，编号为k的证候中所有症状的计数；表示在文档d中，排除当前位置症状t后所有被标记为证候编号为k的症状的计数，表示在文档d中排除当前位置症状t后所有被标记为y＝0症状的计数，M_d表示文档d中证候的个数，ν为Beta(ν)分布超参数，α和β为Dirichlet分布超参数；

为证候k的规则参数，具体到某一个症状t属于证候k的概率值采用均值参数估计法计算：

表示症状t属于编号为k的证候的概率；

θ_d表示文档d所含所有证候的概率参数，具体到某一个证候k属于文档d的概率，采用均值参数估计法：

表示证候k属于文档d的概率；

所述步骤(3)包括以下步骤：

(31)输入采样迭代次数Iter，超参数ν、η、α和β，训练样本集；

(32)随机初始化1：遍历训练样本集，对训练样本集中每一个文档的每一个症状s，随机地赋予一个y值，由向量y保存；

(33)随机初始化2：遍历训练样本集，对每一个文档所有被赋予y＝0的症状s，从该文档的Λ_d的集合中随机分配一个证候编号，由向量z保存，Λ_d为文档d中所有证候的编号集合；

(34)重新遍历训练样本集，对每一个s，当s的主次症指示变量y_s＝1时按照公式(2)重新采样y_s值，当y_s＝0按照公式(3)重新采样s的证候编号，并在向量y和z数据中更新；

(35)重复以上对样本集的采样过程Iter次，直至吉布斯采样收敛；

(36)根据公式(4)统计得到证候规则

(37)输出向量y和z，证候规则

所述步骤(5)包括以下步骤：

(51)输入采样迭代次数Iter，超参数ν、η、α和β，待预测样本，步骤(37)获得的向量y和z；

(52)随机初始化1：遍历待预测样本，对其中的每一个症状s，随机地赋予一个y值，由更新向量y保存；

(53)随机初始化2：遍历待预测样本，对其中所有被赋予y＝0的症状s，从所有在向量z中出现的证候编号集合中随机分配一个证候编号；

(54)重新遍历待预测样本，对其中的每一个s，当s的主次症指示变量y_s＝1时按照公式(2)重新采样y_s值；当y_s＝0按照公式(3)重新采样s的证候编号，并在向量y和z中更新；

(55)重复以上对待预测样本的采样过程Iter次，直至吉布斯采样收敛；

(56)根据公式(5)统计得到待预测病人的证候诊断结果θ_d；

(57)输出待预测样本证候诊断结果θ_d。

2.根据权利要求1所述的基于SSTM的中医证候智能诊断方法，其特征在于，步骤(1)中所述数据集的每一条数据视作一个文档d，由一个或者多个证候及相应多个症状组成。