亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

TCMCoRep: Traditional Chinese Medicine Data Mining with Contrastive Graph Representation Learning

计算机科学 药方 图形 特征学习 代表(政治) 人工智能 整体论 自然语言处理 医学诊断 机器学习 数据挖掘 理论计算机科学 医学 药理学 法学 病理 政治 生物 生态学 政治学
作者
Zecheng Yin,Jinyuan Luo,Tan Yang,Yanchun Zhang
出处
期刊:Lecture Notes in Computer Science 卷期号:: 44-55
标识
DOI:10.1007/978-3-031-40292-0_5
摘要

Traditional Chinese Medicine(TCM) is a highly empirical, subjective and practical discipline. One of the most realistic data mining tasks in TCM is prescription generation. While recommendation models could be applied to provide herb recommendation, they are limited to modeling only the interactions between herbs and symptoms, ignoring the intermediate process of syndrome induction, which betrays a main principle in real-world TCM diagnosis: doctors suggest herb based on the holism syndrome inducted from symptoms. Targeting on this pain point, we proposed TCMCoRep, a novel graph contrastive representation learning framework with explicit syndrome awareness. For a given symptom set, predictive representation from TCMCoRep not only locates high quality prescription herbs but also explicitly detects corresponding syndrome via syndrome-aware prescription generation that follows the philosophy of TCM diagnosis in real life. Hybridization of homogeneous and heterogeneous graph convolutions is able to preserve graph heterogeneity preventing the possible damage from early augmentation, to convey strong samples for contrastive learning. Experiments conducted in practical datasets demonstrate our proposed model’s competitive performance compared with existing state-of-the-art methods, revealing the great potential in real-world applications. Our source code is available at https://github.com/Yonggie/TCMCoRep .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
giving完成签到 ,获得积分10
刚刚
kouryoufu发布了新的文献求助10
3秒前
7秒前
9秒前
吕半鬼完成签到,获得积分0
15秒前
科目三应助摇摇奶昔采纳,获得10
17秒前
英姑应助Nick采纳,获得10
18秒前
18秒前
Dr_Zhang发布了新的文献求助10
18秒前
20秒前
海派Hi完成签到 ,获得积分10
21秒前
24秒前
25秒前
meredith0571发布了新的文献求助10
25秒前
25秒前
摇摇奶昔发布了新的文献求助10
29秒前
30秒前
33秒前
慕青应助冷静的三问采纳,获得10
36秒前
48秒前
英姑应助Ni采纳,获得10
55秒前
1分钟前
1分钟前
1分钟前
wao完成签到 ,获得积分10
1分钟前
Ni发布了新的文献求助10
1分钟前
1分钟前
1分钟前
1分钟前
sherrinford完成签到,获得积分10
1分钟前
九日橙完成签到 ,获得积分10
1分钟前
ding应助机智的书竹采纳,获得50
1分钟前
冷静的三问完成签到,获得积分10
1分钟前
坦率店员完成签到,获得积分10
1分钟前
机智的书竹完成签到,获得积分10
1分钟前
牛马正在写文章完成签到,获得积分10
1分钟前
1分钟前
1分钟前
bkagyin应助宋佳顺采纳,获得10
1分钟前
kouryoufu发布了新的文献求助10
1分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3252945
求助须知:如何正确求助?哪些是违规求助? 2895480
关于积分的说明 8286824
捐赠科研通 2564301
什么是DOI,文献DOI怎么找? 1392246
科研通“疑难数据库(出版商)”最低求助积分说明 652087
邀请新用户注册赠送积分活动 629383