May, 2023

传统中药推荐的顺序条件演化交互知识图谱

PDF
TL;DR本文提出了一种基于串行病情进化交互知识图谱 (Sequential Condition Evolved Interaction Knowledge Graph，SCEIKG) 的 TCM 药方推荐方法，该方法不仅考虑了病人状况的动态变化，还考虑了不同草药与病人状况之间的相互作用，实验结果表明其性能优于现有 TCM 药方推荐方法，达到了最先进的水平。
traditional chinese medicinesequential condition evolved interaction knowledge graphherbspatientrecommendation
发现论文，激发创造
  • RoKEPG: RoBERTa 和知识增强在中药处方生成中的应用

    提出了一种 RoBERTa 和知识增强模型（RoKEPG）用于传统中药方药生成，通过引入四类中医知识，RoKEPG 模型在公开可用的中药方药数据集上改进了基线模型的 F1 指标约 2%。

    Nov, 2023

  • 基于归纳异构图卷积网络的在线疾病自诊断

    本研究提出了一种基于电子医疗记录的医疗保健图卷积网络（HealGCN），以为在线用户提供疾病自诊服务，并使用对称检索系统来处理临床信息稀缺以及为冷启动用户提供服务，该系统能够建立一个异构图，以针对疾病诊断提供更好的诊断精度。

    Sep, 2020

  • 基于深度强化学习的中药处方规划优化框架

    本研究使用深度强化学习构建了一个基于中药的处方优化模型（PrescDRL），并在糖尿病患者的实验中证明了 PrescDRL 可以获得更好的治疗效果、更高的处方预测精度和召回率，从而展示了智能诊断和治疗在中医上应用人工智能的潜力。

    Apr, 2023

  • GIKT：一种基于图的知识追踪交互模型

    本文提出了一种基于图卷积网络的知识追踪图交互模型（GIKT），用于解决在线教育系统中知识追踪中问题信息和高阶问题 - 技能相关性的问题。实验证明，GIKT 在三个数据集上实现了最新的最高性能。

    Sep, 2020

  • TCM-SD：中医证候辨识基准数据集

    研究表明，利用人工智能技术（例如自然语言处理）可以信息化和智能化传统中医诊疗系统，但现有的数据集不足以支持数据驱动的人工智能技术在中医上的进一步发展。因此，本研究聚焦于中医诊疗系统的核心任务 —— 证候辨析，并介绍了首个涵盖 148 种证候的大规模数据集（TCM-SD），并提出了一种领域特定的预训练语言模型（ZY-BERT），通过深度神经网络的实验建立了强大的性能基线，揭示了证候辨析的各种挑战，并证明了领域特定的预训练语言模型的潜力。研究和分析揭示了结合计算机科学和语言学知识探索中医理论经验验证的机会。

    Mar, 2022

  • KG-TREAT：利用知识图谱协同患者数据预训练的治疗效果估计

    通过利用大规模的观察性病人数据和生物医学知识图谱，本文提出了一种新型的预训练和微调框架 KG-TREAT 来增强治疗效果评估，该方法构建了双重关注的知识图谱并整合了深度双层关注协同方法，通过对病人数据和知识图谱的深入信息融合，能够对治疗相关和结果相关关系进行独特编码，并通过两个预训练任务来确保对病人数据和知识图谱进行全面的处理和上下文化。在四个后续治疗效果评估任务的验证中，KG-TREAT 相比现有方法表现出更高的效果，ROC 曲线下的面积（AUC）平均提高 7%，基于影响函数的异质效果预估的精度（IF-PEHE）平均提高 9%。同时，通过与已建立的随机临床试验结果的验证，证实了我们估计的治疗效果的有效性。

    Mar, 2024

  • 具有时间图协同变换器的连续时间序列推荐

    提出了一种基于时间顺序的用户行为建模方法，通过融合顺序模式和时间合作信号，并采用 TCT 层和连续时间二分图，设计了一种新的框架 (Temporal Graph Sequential Recommender)，该模型有效提高了推荐质量。

    Aug, 2021

  • 面向低资源医疗对话生成的图演化元学习

    使用基于常识知识图的低资源医学对话生成，通过少量数据适应性地将源疾病的诊断经验转移到目标疾病，并通过 Graph-Evolving Meta-Learning 框架学习演变常识图来推理新疾病的疾病症状相关性。这种方法的实验结果表明其在 CMDD 数据集和新收集的 Chunyu 数据集上表现卓越。

    Dec, 2020

  • 时间图变换器的多行为序列推荐

    本文提出采用多行为互动模式进行时间变化的用户偏好建模，通过提出的 Temporal Graph Transformer 模型，能够更好地学习不同行为间的相关性，有效解决单一行为矩阵稀疏和数据不足等问题。

    Jun, 2022

  • 通过情节知识图谱评估代理交互

    本研究提出了基于知识图谱进行对话代理评估的新方法，通过对话信号生成图谱以表示两者的交互，并将其结构与语义分析转化为定性指标，通过比较自动与人工评估指标来展示其定性分析能力。

    Sep, 2022