基于多图卷积网络的证型感知中药推荐
信息检索
2020-02-21 v1 机器学习
摘要
中药推荐在中医 (TCM) 治疗过程中起着关键作用，其旨在推荐一组中药以治疗患者的症状。尽管已有若干机器学习方法用于中药推荐，但它们仅限于对中药与症状之间的交互建模，而忽略了证型归纳这一中间过程。在进行中医诊断时，有经验的医生通常先从患者症状归纳出证型，再依据所归纳证型开具中药。因此，我们认为作为症状整体描述的证型归纳对中药推荐十分重要，应得到妥善处理。然而，由于证型归纳的模糊性与复杂性，多数处方缺乏明确的证型真值。本文提出一种考虑隐式证型归纳过程的新方法用于中药推荐。给定一组待治症状，我们旨在通过有效融合该组所有症状的嵌入来生成整体证型表示，以模拟医生归纳证型的方式。在症状嵌入学习方面，我们从输入处方额外构建症状-症状图以捕捉症状间关系；随后在症状-症状图与症状-中药图上分别构建图卷积网络 (GCN) 以学习症状嵌入。类似地，我们构建中药-中药图并在中药-中药图与症状-中药图上构建 GCN 以学习中药嵌入，最终将其与证型表示交互来预测中药得分。如此可获得更全面的表示。我们在公开 TCM 数据集上进行了充分实验，结果表明相较最先进的中药推荐方法有明显提升。
引用
@article{arxiv.2002.08575,
title = {Syndrome-aware Herb Recommendation with Multi-Graph Convolution Network},
author = {Yuanyuan Jin and Wei Zhang and Xiangnan He and Xinyu Wang and Xiaoling Wang},
journal= {arXiv preprint arXiv:2002.08575},
year = {2020}
}
备注
Accepted by ICDE 2020