中医诊疗在我国历史悠久,但是从计算机角度对中医症状与中药关系的研究很少。本研究基于中医诊疗规则,运用卷积神经网络技术,实现从中医病症到中草药的自动推荐(CNN-based Herb Prescription,CNN-HP)。具体地,本研究提出一种含单个卷积...中医诊疗在我国历史悠久,但是从计算机角度对中医症状与中药关系的研究很少。本研究基于中医诊疗规则,运用卷积神经网络技术,实现从中医病症到中草药的自动推荐(CNN-based Herb Prescription,CNN-HP)。具体地,本研究提出一种含单个卷积层和三个全连接层的卷积神经网络模型,并与现有中草药推荐算法以及经典的机器学习算法进行了推荐性能的比较。定量和定性的实验结果表明,CNN-HP模型的推荐性能高于对比算法,其精确度为71.54%,召回率为87.09%,F1分数为78.55%。本研究为中医病症到中草药的自动推荐提供了新思路。展开更多
文摘中医诊疗在我国历史悠久,但是从计算机角度对中医症状与中药关系的研究很少。本研究基于中医诊疗规则,运用卷积神经网络技术,实现从中医病症到中草药的自动推荐(CNN-based Herb Prescription,CNN-HP)。具体地,本研究提出一种含单个卷积层和三个全连接层的卷积神经网络模型,并与现有中草药推荐算法以及经典的机器学习算法进行了推荐性能的比较。定量和定性的实验结果表明,CNN-HP模型的推荐性能高于对比算法,其精确度为71.54%,召回率为87.09%,F1分数为78.55%。本研究为中医病症到中草药的自动推荐提供了新思路。
