一种中医概念的五脏归属判定系统的制作方法

本发明涉及数据挖掘和计算机人工智能
技术领域：
领域，具体地说，特别涉及到一种中医概念的五脏归属判定系统。
背景技术：
：随着数据技术和人工智能的发展，原本海量存在的方剂信息得以数据化和标准化，为进一步智能化打下了坚实基础。由于中医学方证相应的思维方式是建立在对方剂数据信息理解和关联基础上的独特思维方式，因此采用数据挖掘和人工智能技术，尤其是最新的机器学习方法的运用，使得计算机模拟中医方证相应思维的过程得以实现。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程，通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。方证相应主要指根据方剂药味组成及其效用来推测其所主治对象的病机或症状。申请号为201910142196.0的专利申请文件公开了一种中医病名相似度的量化判定系统，其基于方剂组成与中医病名配对的数据源，构建各种判断规则树集合，进而组合构成中医病名判断模型，通过该模型量化不同病名相似度，基于该系统可以量化中医病名之间的相关度。其缺陷在于：1)该量化判定系统必需基于现成的病名和关键词，无法综合运用中医理论、中医治法、中医方剂和中药学的专业知识，这限制了其适用范围。2)该量化判定系统的学习模型构建需要建立学习集、以及对应的对照集。由于中医的很多概念都相互包含，往往只能建立学习集而无法建立对照集，这进一步的限制了该量化判定系统的适用范围。技术实现要素：本发明的目的在于针对现有技术中的不足，提供一种中医概念的五脏归属判定系统，将数据挖掘、人工智能与海量中医方剂数据相结合，从而模拟中医方证相应思维过程，量化不同中医概念的五脏归属程度。本发明所解决的技术问题可以采用以下技术方案来实现：一种中医概念的五脏归属判定系统，包括关键词筛选模块a，其用于输入五脏和需要判定的中医概念，并输出关键词和权重；其具体过程为：将默认的五脏概念，结合中医基本理论和辩证体系的基本概念，构建关键词，关键词的权重值为1；权重值可通过方剂数据处理模块b和五脏判别模型生成模块c的参数反馈自动调节；方剂数据处理模块b，其包括方剂信息集合模块b1和若干学习模块；方剂信息集合模块b1，其用于在基础数据总库中筛选出所有包含关键词的数据，数据导入基础数据库，经标准化后得到基础方剂信息集；若干学习模块，每种学习模块采用不同的规则对标准化后的基础方剂信息集进行分割，得到对应的学习集；多次重复后建立被判断概念方剂集合模块b9；五脏判别模型生成模块c，其包括若干规则生成模块，每种规则生成模块基于对应的学习集，在随机森林算法的基础上，通过调控生成规则树；所有规则树构成按比例组合五脏判定模型c8；五脏模型应用和结果输出模块d，其用于将被判断概念方剂集合模块b9的数据应用至按比例组合五脏判定模型c8，获得需要判定的中医概念和五脏的相似程度，并输出结果。进一步的，所述学习模块包括五脏方剂组成集学习模块b2、五脏方剂剂量集学习模块b3、五脏方剂归经集学习模块b4、五脏方剂性味集学习模块b5、五脏方剂炮制集学习模块b6、五脏方剂煎服方法集学习模块b7和五脏方剂朝代集学习模块b8。进一步的，所述学习模块均基于方剂信息集合模块b1，其通过人工智能，分别以组成数据量、剂量数据量、归经数据量、性味数据量、炮制数据量、煎服方法数据量和朝代数据量为规则，对标准化后的基础方剂信息集进行分割，得到对应的组成学习集、剂量学习集、归经学习集、性味学习集、炮制学习集、煎服方法学习集和朝代学习集。进一步的，所述规则生成模块包括五脏方剂组成规则生成模块c1、五脏方剂剂量规则生成模块c2、五脏方剂归经规则生成模块c3、五脏方剂性味规则生成模块c4、五脏方剂炮制规则生成模块c5、五脏方剂煎服方法规则生成模块c6和五脏方剂朝代规则生成模块c7。进一步的，所述规则生成模块分别在五脏方剂组成集学习模块b2、五脏方剂剂量集学习模块b3、五脏方剂归经集学习模块b4、五脏方剂性味集学习模块b5、五脏方剂炮制集学习模块b6、五脏方剂煎服方法集学习模块b7和五脏方剂朝代集学习模块b8的基础上，分别基于五脏各脏的不同方剂组成、不同方剂剂量、不同方剂归经、不同方剂性味、不同方剂炮制、不同方剂煎服方法和不同方剂朝代，在随机森林算法的基础上，通过人工智能调控生成对应的规则树。进一步的，在按比例组合五脏判定模型c8上建立智能调控模块e，其用于根据生成规则树的熵值和规则集的袋外误差，智能调节关键词筛选模块a和方剂数据处理模块b。进一步的，所述关键词权重值的调节方法为：通过定向增加或减少某一关键词的权重，并比较权重改变后总体模型的校验参数，来验证权限变更的合理性；若合理，则保留权重变更；若不合理，则还原初始权重；重复上述过程，完成对所有关键词的权重调节，获得最合理的模型对应权重。与现有技术相比，本发明的有益效果在于：1)综合运用中医理论、中医治法、中医方剂和中药学的专业知识，确立五脏相关概念的关键词词库，来建立五脏训练集。与基于现有病名和关键词建立的判定系统相比较，本发明的泛用性更广。2)在机器学习的模型训练中，无需建立对应的属性为“非我”对照集，只需建立属性为“是我”学习集，便可判断相似度。这种方法的优点在于：由于中医的很多概念都为相互包含的功效，往往只能找出“学习集”而很难找出“对照集”。与基于现有病名和关键词建立的判定系统相比较，本发明对于中医概念研究的适用范围也就更广。附图说明图1为本发明所述的中医概念的五脏归属判定系统的示意图。图2为本发明所述的关键词和权重的流程示意图。图3为本发明所述的关键词权重值的调节方法的示意图。图4为本发明所述的关键词权重值的调节方法的示意图。具体实施方式为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。参见图1和图2，本发明所述的一种中医概念的五脏归属判定系统，包括模块a，即关键词筛选模块，录入五脏和需要判定的中医概念，通过人工智能自动筛选相关关键词。模块b，即方剂数据处理模块，包括b1方剂信息集合模块、b2五脏方剂组成集学习模块、b3五脏方剂剂量集学习模块、b4五脏方剂归经集合学习模块、b5五脏方剂性味集合学习模块、b6五脏方剂炮制集合学习模块、b7五脏方剂煎服方法集合学习模块、b8五脏方剂朝代集合学习模块、b9被判断概念方剂集合模块。在模块a的基础上，建立模块b1，即方剂信息集合模块，以基础数据总库为基础，智能筛选五脏模型方剂信息集合和需要判定的中医概念对应方剂数据集合，通过人工智能技术，对其标准化。在模块b1的基础上，建立模块b2，即五脏方剂组成集学习模块，通过人工智能，选择合适的组成数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的组成学习集。在模块b1的基础上，建立模块b3，即五脏方剂剂量集学习模块，通过人工智能，选择合适的剂量数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的剂量学习集。在模块b1的基础上，建立模块b4，即五脏方剂归经集学习模块，通过人工智能，选择合适的归经数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的归经学习集。在模块b1的基础上，建立模块b5，即五脏方剂性味集学习模块，通过人工智能，选择合适的性味数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的性味学习集。在模块b1的基础上，建立模块b6，即五脏方剂炮制集合学习模块，通过人工智能，选择合适的炮制数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的炮制学习集。在模块b1的基础上，建立模块b7，即五脏方剂剂量集煎服方法模块，通过人工智能，选择合适的煎服方法数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的煎服方法学习集。在模块b1的基础上，建立模块b8，即五脏方剂朝代集合学习模块，通过人工智能，选择合适的朝代数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的朝代学习集。通过重复模块b2、b3、b4、b5、b6、b7、b8模块，建立模块b9，即被判断概念方剂集合模块，即由对应方剂组成、剂量、归经、性味、炮制、煎服方法、朝代数据构成的应用集。在模块b的基础上，建立模块c，即五脏判别模型生成模块，包括c1五脏方剂组成规则生成模块、c2五脏方剂剂量规则生成模块、c3五脏方剂归经规则生成模块、c4五脏方剂性味规则生成模块、c5五脏方剂炮制规则生成模块、c6五脏方剂煎服方法规则生成模块、c7五脏方剂朝代规则生成模块、c8按比例组合量化判定模型。在模块b2的基础上，建立模块c1，即五脏方剂组成规则生成模块，基于五脏各脏的不同方剂组成，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块b3的基础上，建立模块c2，即五脏方剂剂量规则生成模块，基于五脏各脏的不同方剂剂量，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块b4的基础上，建立模块c3，即五脏方剂归经规则生成模块，基于五脏各脏的不同方剂归经，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块b5的基础上，建立模块c4，即五脏方剂性味规则生成模块，基于五脏各脏的不同方剂归经，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块b6的基础上，建立模块c5，即五脏方剂炮制规则生成模块，基于五脏各脏的不同方剂炮制，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块b7的基础上，建立模块c6，即五脏方剂煎服方法规则生成模块，基于五脏各脏的不同方剂煎服方法，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块b8的基础上，建立模块c7，即五脏方剂朝代规则生成模块，基于五脏各脏的不同方剂朝代，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树。在模块c1、c2、c3、c4、c5、c6、c7基础上，建立模块c8，即按比例组合量化判定模型，以人工智能调节搭配不同类别类别规则树的比例，构成量化判定模型。在模块b9和c8的基础上，建立模块d，即五脏模型应用和结果输出模块，对模块b9数据应用模块c8模型，获得对比被判别概念与五脏的相似度，并显示输出。在模块c8，建立模块e，即智能调控模块，根据生成规则树的总熵值和规则集的总袋外误差，智能调节模块a关键词的筛选权重和模块b2、b3、b4、b5、b6、b7、b8的信息分拆。实施例以判定中医概念“三焦”的五脏归属为例，应用五脏归属判定系统。模块a，即关键词筛选模块，输入被判定中医概念“三焦”，默认中医五脏“心”、“肺”、“脾”、“肝”、“肾”，结合中医基本理论和辩证体系的基本概念“气”、“血”、“痰”、“虚”、“实”等等，构建基础关键词，例如“肾虚”、“脾虚”、“肾气”、“肺气”等等，初始权重值为1；通过b模块、c模块构建模型的参数反馈自动调节基础关键词的权重。所述关键词权重值的调节方法为：通过定向增加或减少某一关键词的权重，并比较权重改变后总体模型的校验参数，来验证权限变更的合理性；若合理，则保留权重变更；若不合理，则还原初始权重；重复上述过程，完成对所有关键词的权重调节，获得最合理的模型对应权重。以权重变更方式：增加；权重增加幅度：1；权重增加限制：5；权重调节函数：袋外错误率；具体关键词“心气”、“心虚”为例。参见图3，a模块中初始权重“心气”为1，第一次运行经过b，c模块获得袋外错误率25.87％；调整权重为2，第二次运行经过b，c模块获得袋外错误率25.89％，高于第一次的袋外错误率，停止权重变更，“心气”恢复为1。参见图4，a模块中初始权重“心虚”为1，第一次运行经过b，c模块获得袋外错误率25.87％；调整权重为2，第二次运行经过b，c模块获得袋外错误率25.61％，低于第一次的袋外错误率；继续权重变更，调整权重为3，第三次运行经过b，c模块获得袋外错误率25.57％，低于第二次的袋外错误率；继续权重变更，调整权重为4，第四次运行经过b，c模块获得袋外错误率25.54％，低于第三次的袋外错误率；继续权重变更，调整权重为5，第五次运行经过b，c模块获得袋外错误率25.51％，低于第四次的袋外错误率，达到权限增加限制，停止继续增加，“心虚”权重为5。关键词权重肾虚1脾虚1肾气1肺气1心气1肺热1心虚1脾气1伤脾1…………模块b1，即方剂信息集合模块，在基础数据总库中检索a中筛选出的关键词如“脾虚”，“肾虚”等等。数据导入基础数据库，经标准化形成如下格式。在模块b1的基础上，建立模块b2，即五脏方剂组成集学习模块，通过人工智能，选择合适的组成数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的组成学习集，数据以如下格式保存：在模块b1的基础上，建立模块b3，即五脏方剂剂量集学习模块，通过人工智能，选择合适的剂量数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的剂量学习集，数据以如下格式保存：在模块b1的基础上，建立模块b4，即五脏方剂归经集学习模块，通过人工智能，选择合适的归经数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的归经学习集，数据以如下格式保存：在模块b1的基础上，建立模块b5，即五脏方剂性味集学习模块，通过人工智能，选择合适的性味数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的性味学习集，数据以如下格式保存：在模块b1的基础上，建立模块b6，即五脏方剂炮制集学习模块，通过人工智能，选择合适的炮制数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的炮制学习集，数据以如下格式保存：在模块b1的基础上，建立模块b7，即五脏方剂煎服方法集学习模块，通过人工智能，选择合适的煎服方法数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的煎服方法学习集，数据以如下格式保存：在模块b1的基础上，建立模块b8，即五脏方剂朝代集学习模块，通过人工智能，选择合适的朝代数据量，对已标准化后的基础方剂信息集进行分割，分割出合适的朝代学习集，数据以如下格式保存：通过重复模块b2、b3、b4、b5、b6、b7、b8，建立模块b9，即被判定中医概念方剂信息模块，即数据以如下格式保存：在模块b2的基础上，建立模块c1，即五脏方剂组成规则生成模块，基于五脏各脏的不同方剂组成，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块b3的基础上，建立模块c2，即五脏方剂剂量规则生成模块，基于五脏各脏的不同方剂剂量，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块b4的基础上，建立模块c3，即五脏方剂归经规则生成模块，基于五脏各脏的不同方剂归经，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块b5的基础上，建立模块c4，即五脏方剂性味规则生成模块，基于五脏各脏的不同方剂性味，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块b6的基础上，建立模块c5，即五脏方剂炮制规则生成模块，基于五脏各脏的不同方剂炮制，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块b7的基础上，建立模块c6，即五脏方剂煎服方法规则生成模块，基于五脏各脏的不同方剂煎服方法，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块b8的基础上，建立模块c7，即五脏方剂朝代规则生成模块，基于五脏各脏的不同方剂朝代，在随机森林算法的基础上，通过人工智能调控生成一定数量的规则树，数据以如下格式保存：在模块c1、c2、c3、c4、c5、c6、c7基础上，建立模块c8，即按比例组合五脏判定模型，以人工智能调节搭配药物组成规则树、剂量规则树、归经规则树、性味规则树、炮制规则树、煎服方法规则树、朝代规则树的比例，构成量化判定模型，总袋外误差格式如下：在模块b9和c8的基础上，建立模块d，即五脏模型应用和结果输出模块，对模块b9数据应用模块c8生成的模型，获得“三焦”与五脏的相似程度，并输出显示。在模块c8基础上，建立模块e，即智能调控模块，根据生成规则树的熵值和规则集的袋外误差，智能调节模块b2的分割比例等相关基础设置。以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。当前第1页12