公开(公告)号：CN115798671A

公开(公告)日：2023-03-14

申请号：CN202211365098.1

申请日：2022-11-03

Applicant: 成都信息工程大学

Inventor： 舒红平 ,  贾金凤 ,  王亚强

IPC: G16H20/10 ,  G06F40/205

Abstract: 本发明涉及自然语言生成技术领域，公开了基于深度序列生成的中医方剂生成方法及相关产品，所述方法包括：将疾病证候输入到深度序列生成模型中，通过所述深度序列生成模型输出治疗该疾病证候对应的中医方剂；本发明采用了基于标签嵌入增强的XLNet编码模型，通过训练疾病证候以及疾病证候对应的方剂，最终实现输入疾病证候，准确输出证候对应方剂的目的。XLNet编码器将疾病证候更好的表征给处理器，注意力机制使模型能够着重关注输入序列中对标签预测贡献大的部分，通过嵌入前一时间步的标签做下一步的预测，利用了标签之间的关系，改善了曝光偏差的问题；有利于辅助中医医生快速准确的开出中医方剂。

公开(公告)号：CN115798670A

公开(公告)日：2023-03-14

申请号：CN202211365080.1

申请日：2022-11-03

Applicant: 成都信息工程大学

Inventor： 舒红平 ,  贾金凤 ,  王亚强

IPC: G16H20/10 ,  G16H70/40

Abstract: 本发明涉及自然语言生成技术领域，公开了基于策略采样的中医方剂生成方法及相关产品，通过遍历所述训练数据集中的每一条方剂数据，统计所有方剂数据中的药物标签在所述训练数据集中出现的频次；将频次低于预设频次值的药物标签对应的方剂数据，加入到备选数据集中；再利用备选数据集的数据去更新原始的训练数据集，得到目标训练数据集；使用该目标训练数据集训练上述模型。目的在于提高在模型训练时低频次的方剂数据被学习到的概率，从而解决了现有技术中中医方剂数据的药材数量存在严重分布不均，药物频次存在严重偏差的问题。