Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于语音识别的药品智能推荐方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明公开了基于语音识别的药品智能推荐方法及系统,涉及药品推荐技术领域,包括采集用户语音数据和药品数据,构建语义表示向量和药品特征向量;基于多头注意力机制,计算加权求和值向量。本发明所述方法通过多头注意力机制,可以全面表达用户与药品之间的多维度匹配关系,从而更加精准地捕捉用户需求与药品特征的匹配度,通过综合特征向量将用户的语义需求信息与药品特征信息进行多维度匹配,并引用余弦相似度的计算,可以清晰地判断用户需求与药品特征在各个维度上的相似度,提升匹配结果的精确性,通过将用户的语义表达与药品特征进行逐成分的详细比对,充分考虑用户语义表达中各个成分的顺序信息,提升推荐的准确性。

主权项:1.基于语音识别的药品智能推荐方法,其特征在于:包括,采集用户语音数据和药品数据,构建语义表示向量和药品特征向量;基于多头注意力机制,计算加权求和值向量,综合多头的加权求和值向量输出综合特征向量,并计算药品的需求概率;基于综合特征向量计算药品推荐得分,构建二维对比矩阵分析药品与用户的匹配得分,综合分析药品的需求概率计算药品的总得分;基于药品的总得分生成推荐列表,使用加密算法存储并上传数据;采集用户语音数据和药品数据,构建语义表示向量和药品特征向量,包括,基于不同用户进行语音数据采集,并对采集的语音数据通过带通滤波去除噪音;使用语音识别模型DeepSpeech对去除噪音后的语音数据转换为文本数据;使用预训练的语言模型BERT,将文本数据输入模型,语言模型BERT输出语义表示向量Sf;基于现有的药品数据集,收集药品的详细信息和药效相互作用数据;将药品属性、成分、适应症信息作为药品特征节点构建为图结构,使用图嵌入算法Node2Vec构成每个药品节点的特征向量,将药品节点嵌入向量作为药品特征向量Df;基于多头注意力机制,计算加权求和值向量,包括,基于多头注意力机制,根据语义表示向量和药品特征向量分别定义查询向量、关键向量和值向量,表示为: 其中和分别为第i个查询向量、第i个关键向量和第i个值向量的权重矩阵,Qi、Ki和Vi分别表示第i个查询向量、第i个关键向量和第i个值向量,Sf和Df分别表示语义表示向量和药品特征向量;并基于查询向量、关机向量和值向量计算加权求和值向量;综合多头的加权求和值向量输出综合特征向量,并计算药品的需求概率,包括,基于加权求和值向量的计算将所有加权求和值向量的输出拼接,表示为:MHQ,K,V=concatAtt1,Att2,…,Atth·WO;其中MHQ,K,V表示综合特征向量,Atth表示第h个加权求和值向量,WO表示综合特征向量输出的拼接向量;通过训练集使用交叉熵损失函数计算损失;基于综合特征向量确定经过线性层映射后的输出,表示为: 其中表示第i个经过线性层映射后的综合特征向量输出,Wi表示针对药品i的线性权重,bi表示偏置项;使用sigmoid函数将用户语义特征和药品特征的匹配特征向量转化为选择药品的概率,表示为: 其中pi表示药品i的需求概率;使用Adam优化器通过梯度下降法计算损失L对每个参数矩阵和以及Wi和bi的梯度值,并进行参数迭代优化,当在连续迭代过程中计算的损失L不再明显下降则停止迭代输出参数;基于综合特征向量计算药品推荐得分,构建二维对比矩阵分析药品与用户的匹配得分,综合分析药品的需求概率计算药品的总得分,包括,基于多头注意力计算输出的综合特征向量,根据包含的h个头的输出构建向量,根据药品特征向量Df针对每个药品的特征构建向量,分别表示为:Ama=[Att1,Att2,…,Atth];Df=[d1,d2,d3,…,dn];其中Ama表示多头注意力机制的最终输出,dn表示第n个药品的特征;引入余弦相似度通过综合特征向量每个头的输出和每个药品的特征进行准确性匹配,表示为: 其中Ri表示药品i推荐得分,表示第i个药品特征的转置;将用户的语义表达与药品特征进行序列比对;构建二维对比矩阵M,其中Mi,j表示用户需求向量的第i个成分与药品特征向量的第j个成分之间的匹配得分,表示为:Mi,j=maxMi-1,j-1+Simei,dj,Mi-1,j,Mi,j-1; 其中ei表示第i个用户语义向量,dj表示第j个药品特征向量,Simei,dj表示第i个用户语义向量和第j个药品特征向量的余弦相似度,Mi-1,j表示跳过药品特征向量的第j个成分,只考虑用户语义向量的前i-1个成分与药品特征的前j个成分的最佳匹配得分,Mi,j-1表示跳过用户语义向量的第i个成分,只考虑用户语义向量的前i个成分与药品特征向量的前j-1个成分的最佳匹配得分,maxMi-1,j-1表示上一个匹配的最佳得分,表示第j个药品特征向量的转置计算;根据Mi,j的计算填充矩阵M,并选取矩阵中的累积得分作为药品i的最终匹配积分;综合考虑药品i的需求概率和推荐得分,综合计算药品的总得分,表示为: 其中Rif表示药品i的总得分,RiM表示药品i的最终匹配积分,pi表示药品i需求概率。

全文数据:

权利要求:

百度查询: 四川省医学科学院·四川省人民医院 基于语音识别的药品智能推荐方法及系统

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。