换一批融合多视图图对比学习的中医脑卒中个性化处方推荐模型
A Personalized Prescription Recommendation Model for Stroke in Traditional Chinese Medicine by Integrating Multi-View Graph Contrastive Learning
摘要目的:基于真实世界脑卒中临床数据,构建一种融合多视图图对比学习(MVCL)的个性化处方推荐模型.方法:根据脑卒中病例临床数据集建模多图结构,并融合中药属性及症状语义信息,以获得具有中医特征的节点嵌入向量.随后提出一种相似视图生成器用于视图增强,并在症状空间与中药空间分别开展局部对比学习,从而使模型能够更深入地挖掘数据中的配伍规律,提升处方推荐的准确性.结果:脑卒中数据集对比实验结果表明,相较于性能较优的SMRGAT,MVCL在Precision@5、Recall@5和F1-Score@5指标上分别提升了5.01%、5.43%和5.30%.公共数据集(PTM)对比实验结果表明,MVCL在Precision@5、Recall@5和F1-Score@5指标上分别提升了7.92%、9.94%和9.08%.结论:MVCL模型在推荐准确性和模型泛化能力方面均展现优势,为中医脑卒中的辅助诊疗决策提供了更可靠的支持及新的研究思路.
更多相关知识
关键词
脑卒中中医处方推荐推荐模型多视图图对比学习辅助诊疗strokeprescription recommendation in traditional Chinese medicinerecommendation modelmulti-viewgraph contrastive learningauxiliary diagnosis and treatment
分类号
R2-03（中国医学理论）
栏目名称
DOI
10.13862/j.cn43-1446/r.2025.04.044
发布时间
2025-05-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览5
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
