一种基于多源嵌入的药物推荐方法及系统

本发明涉及药物推荐，具体而言，涉及一种基于多源嵌入的药物推荐方法及系统。

背景技术：

1、现有技术通常采用基于纵向的药物推荐方法，具体采用自然语言处理(nlp)的方法来处理患者的历史医疗记录，根据从历史记录中学习到的经验规律来对当前的诊断信息做出药物方案推荐，这种方式将药物推荐问题转化为序列化输入输出的预测问题，但是该类网络在长或复杂序列特征的提取能力较弱，导致药物预测结果并不准确。

技术实现思路

1、本发明的目的在于提供一种基于多源嵌入的药物推荐方法及系统，以改善上述问题。

2、为了实现上述目的，本申请实施例提供了如下技术方案：

3、一方面，本申请实施例提供了一种基于多源嵌入的药物推荐方法，所述方法包括：

4、获取第一信息和第二信息，所述第一信息包括电子病历信息，所述第二信息包括药物-药物相互作用信息；

5、根据所述第一信息和所述第二信息构建操作-诊断-药物关系异构图；

6、将所述第一信息进行增强，得到增强后的第一信息；

7、对所述增强后的第一信息进行编码，得到编码后的特征信息，所述编码后的特征信息包括诊断特征信息、操作特征信息和药物特征信息；

8、根据所述编码后的特征信息和所述操作-诊断-药物关系异构图预测药物推荐结果。

9、第二方面，本申请实施例提供了一种基于多源嵌入的药物推荐系统，所述系统包括：

10、获取模块，用于获取第一信息和第二信息，所述第一信息包括电子病历信息，所述第二信息包括药物-药物相互作用信息；

11、第一处理模块，用于根据所述第一信息和所述第二信息构建操作-诊断-药物关系异构图；

12、第二处理模块，用于将所述第一信息进行增强，得到增强后的第一信息；

13、第三处理模块，用于对所述增强后的第一信息进行编码，得到编码后的特征信息，所述编码后的特征信息包括诊断特征信息、操作特征信息和药物特征信息；

14、预测模块，用于根据所述编码后的特征信息和所述操作-诊断-药物关系异构图预测药物推荐结果。

15、第三方面，本申请实施例提供了一种基于多源嵌入的药物推荐设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述基于多源嵌入的药物推荐方法的步骤。

16、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于多源嵌入的药物推荐方法的步骤。

17、本发明的有益效果为：

18、本发明通过基于第一信息和第二信息构建操作-诊断-药物关系异构图，获取基于实例的特征信息，再对第一信息进行增强并对增强后的第一信息进行编码，得到编码后的特征信息，获取基于纵向的特征信息，通过结合基于实例的特征信息和基于纵向的特征信息，有效的提高了药物推荐的准确性。

19、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

1.一种基于多源嵌入的药物推荐方法，其特征在于，包括：

2.根据权利要求1所述的基于多源嵌入的药物推荐方法，其特征在于，根据所述第一信息和所述第二信息构建操作-诊断-药物关系异构图，包括：

3.根据权利要求1所述的基于多源嵌入的药物推荐方法，其特征在于，将所述第一信息进行增强，得到增强后的第一信息，包括：

4.根据权利要求3所述的基于多源嵌入的药物推荐方法，其特征在于，根据所述药物关系特征信息和药物独热向量进行计算之后，还包括：

5.根据权利要求1所述的基于多源嵌入的药物推荐方法，其特征在于，对所述增强后的第一信息进行编码，得到编码后的特征信息，包括：

6.一种基于多源嵌入的药物推荐系统，其特征在于，包括：

7.根据权利要求6所述的基于多源嵌入的药物推荐系统，其特征在于，所述第一处理模块，包括：

8.根据权利要求6所述的基于多源嵌入的药物推荐系统，其特征在于，所述第二处理模块，包括：

9.根据权利要求8所述的基于多源嵌入的药物推荐方法，其特征在于，所述第三计算单元之后，还包括：

10.根据权利要求6所述的基于多源嵌入的药物推荐方法，其特征在于，所述第三处理模块，包括：