[发明专利]一种基于深度神经网络的中医药材推荐方法

说明书

本发明公开了一种基于深度神经网络的中医药材推荐方法，包括：计算机采集人体舌苔图片的特征向量和相应的中医药材的数字代号作为数据集的输入；对舌苔图片的特征向量进行降维处理；对中医药材的数字代号进行嵌入式表征处理；根据输入的舌苔特征向量和相应的中医药材特征向量，采用推荐算法学习舌苔和中医药材之间的关系；根据学习到的舌苔与中医药材的关系，采用中医药材推荐算法计算出舌苔图片与中医药材之间的关联度得分。本发明用于辅助中医快速准确地开具处方，减少中医开具处方中的重复性工作，且能够实现准确性高、速度快、性能稳定地依据舌苔进行相应的中医药材推荐。

技术领域

本发明涉及计算机在中医处方开具的应用技术领域，特别涉及一种基于深度神经网络的中医药材推荐方法。

背景技术

在中国，中医对于预防疾病和治疗疾病的研究已经有几千年的历史。其中，舌诊是中医望诊中独特而重要的内容，也是中医诊断的重要依据，是通过观察舌头的形态和舌苔的颜色来辅助治疗疾病的一种重要方法。

处方，也称为药方，是传统中医文化的智慧结晶和组成部分，是为治疗某种疾病而组合起来的若干种药物的名称、剂量和用法。

推荐系统主要是把用户模型中兴趣需求信息和项目对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐项目，将项目推荐给用户。本发明中，舌苔是推荐系统中的用户，中医药材则是项目，即根据不同的舌苔特征信息推荐相应的中医药材。

推荐系统作为一种智能个性化信息服务系统，能够通过一定的智能推荐策略实现有针对性的个性化信息定制，虽然仍面临类似冷启动、数据稀疏行等难题，但推荐算法的研究仍是人工智能行业的研究热点。Armstrong R等[1]提出了基于内容过滤的推荐算法；Linden G等[2]提出了基于项目的协同过滤算法。

随着深度学习快速成为业界热点，越来越多的深度学习应用在推荐领域。Salakhutdinov等[3]提出了限制波尔兹曼机(Restricted Boltzmann Machine，RBM)模型，实现了给用户推荐了可能感兴趣的项目。Wang H等[4]提出了利用栈式去噪自编码期从项目中提取特征，并用在协同过滤模型，从而提高了推荐性能。

深度学习可以通过分层的模型结构，对原始的输入数据进行从底层到高层的数据特征提取，从而建立起底层数据到高层语义之间的映射关系。使用深度神经网络，可以构建具有多层隐藏层的神经网络模型和海量的训练数据，从而能够学习到更有用的特征表示，从而提高推荐结果的准确性。

在之前的研究成果中，国内有一些以开具处方、药材推荐为主题的系统和方法。其中，王本钰[5]提出了一种基于体检数据，运动风险评估以及体适能测试结果自动化生成运动处方的方法；张贯京等[6]发明了一种使得医生能高效开出处方，提高医生的诊断效率，病人的就医效率和医院的医疗服务质量的系统；袁伟伟等[7]发明了一种对特定人群的个性化药物推荐方法，属于药物经济学中药物评价技术领域。

上述的各种系统方法中，1)这些系统方法更多是应用于西医处方生成、西药药材推荐，而不是用于中医；2)这些处方生成、药材推荐方法需要依据体检的各种各样指标数据，在数据获取上，过程比较繁杂，等待的时间长。

[1]WebWatcher:A Learning Apprentice for the World Wide Web[J].InWorking Notes of the Aaai Spring Symposium Series on Information Gatheringfrom Distributed,1995,30(6):6-12.

[2]Amazon.com recommendations:item-to-item collaborative filtering[J].IEEE Internet Computing,2003,7(1):76-80.