一种中医辨证多标记学习算法的设计及实现

• 作者: 杨涛 孙鑫亮 朱垚 胡孔法 周雪忠
• 来源期刊: 世界科学技术-中医药现代化
• 关键词: 依赖树 多标记学习 中医辨证 辅助诊断
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 专题讨论三:真实世界临床研究数据挖掘技术体系研究|Thematic Dicussion Ⅲ:The System of Data Mining Technology in the Real World Clinical Research
• 页码范围: 3982-3988
• 页数: 7页
• 分类号: R241
• 语种: 中文
• DOI: 10.11842/wst.20200709007

摘要

临床上中医辨证结果 往往出现多个证型兼夹的情况,针对多证型的建模属于典型的多标记学习问题.传统的多标记学习算法不同标签之间相互独立,而兼夹证型中的各个证型(标签)之间存在紧密联系,传统的多标记学习算法无法解决这一问题.本文设计一种基于依赖树的中医辨证多标记学习算法ML_RDT,分别寻找特征和标签对应的最优依赖树,并以标签依赖树对特征依赖树的预测结果 进行修正,解决了标签之间的关联问题.将ML_RDT与经典的多标签学习算法(ML_KNN、ML_RBF、BP_MLL)进行对比,并在中医数据集进行实验,结果 显示:ML_RDT的Hamming loss为0.0311 ± 0.0042,One error为0.0396 ± 0.0210,Coverage为0.0205 ± 0.0020,Ranking loss为0.0114 ± 0.0031、Average precision为0.9522 ± 0.0103,表现优于其他算法.ML_RDT能够较好地完成中医辨证的多标签分类问题,具有较好的推广和应用前景.