申请/专利权人：东南大学

申请日：2024-02-05

公开（公告）日：2024-05-28

公开（公告）号：CN118098632A

主分类号：G16H70/40

分类号：G16H70/40;G16H50/70;G16H20/10;G06F18/213;G06F18/25;G06N3/042;G06N3/0442;G06N3/045;G06N3/0455;G06N3/048;G06N3/084;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开了一种基于多模态与异质图注意力网络的中药方剂质控指标预测方法，步骤如下：步骤1.引入中国药典数据集和ETCM数据库，构建方剂‑药材‑成分的异质信息网络，学习潜在指控指标嵌入向量；步骤2.将步骤1中得到的药材和成分模态信息，用transformer输出成对应维度的特征向量集合；用DEBERTA和GRU提取文本模态的嵌入向量。将得到的方剂的文本、药材、成分三个模态的特征向量进行拼接后，通过一个多头自注意力层得到方剂特征向量；步骤3.将步骤2中的每个方剂特征向量串联拼接聚合成潜在质控指标匹配矩阵，利用多头自注意力层获取在结合方剂特征后各个潜在质控指标之间的注意力。之后，将携带了注意力信息后的匹配矩阵输入到全连接层和sigmoid函数中输出预测概率。

主权项：1.一种基于多模态与异质图注意力网络的中药方剂质控指标预测方法，其特征在于，依次包括以下顺序执行的步骤：步骤1.引入中国药典数据集和ETCM数据库，构建方剂-药材-成分的异质信息网络，使用包含拓扑信息的药材和成分结点的嵌入向量组合作为质控指标特征向量，使用HeterogeneousGraphTransformerHGT模型来学习该网络中各个结点的嵌入向量；步骤2.将步骤1中用HGT得到的方剂的药材模态，用堆叠的transformer输出成对应维度的特征向量集合，然后用步骤1中得到的方剂的成分模态输入到一个加入滑动窗口机制的transformer层中输出成对应维度的特征向量集合，最后，用DEBERTA模型提取方剂的文本模态信息，输出成嵌入向量后，将该特征嵌入向量输入到GRU中获取时序信息，得到最终的文本模态的嵌入向量，将得到的方剂的文本、药材、成分三个模态的特征向量进行拼接后，通过一个多头自注意力层后得到方剂特征向量；步骤3.将步骤2中的每个方剂特征向量串联拼接到每一个步骤1中得到的潜在质控指标之后，并将这些串联向量并联聚合成潜在质控指标匹配矩阵，然后让匹配矩阵以其中的串联向量为单位输入至多头自注意力层，用于获取在结合方剂特征后各个潜在质控指标之间的注意力，之后，取携带了注意力信息后的匹配矩阵输入到全连接层和sigmoid函数中输出预测概率。

全文数据：

权利要求：

百度查询： 东南大学 一种基于多模态与异质图注意力网络的中药方剂质控指标预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD