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！

龙图腾网获悉成都中医药大学申请的专利一种基于多标签文本分类的配穴推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120687600B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511179234.1，技术领域涉及：G06F16/335；该发明授权一种基于多标签文本分类的配穴推荐方法是由曾芳;林薇;尹涛;瞿玉竹设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种基于多标签文本分类的配穴推荐方法在说明书摘要公布了：本发明公开了一种基于多标签文本分类的配穴推荐方法，涉及通过信息技术处于中医穴位的领域，包括：S1、对中医症状原始文本进行预处理，以将中医症状文本转换成结构化输入的新症状文本；S2、从穴位标签库中获取与新症状文本描述相适配的穴位处方，通过症状编码层将穴位处方转换成多维标签向量；S3、构建包括词嵌入层、注意力层、GNN特征交互层、多标签预测层的配穴推荐模型，并基于新文本症状、多维标签向量进行训练、验证；S4、所述配穴推荐模型基于输入的中医症状文本进行配穴推荐。本发明将全局症状向量与穴位节点特征融合，利用邻接矩阵传递协同效应，显式建模穴位间的配伍规律，避免孤立推荐，提升处方整体合理性。

本发明授权一种基于多标签文本分类的配穴推荐方法在权利要求书中公布了：1.一种基于多标签文本分类的配穴推荐方法，其特征在于，包括： S1、对中医症状原始文本进行预处理，以将中医症状文本转换成结构化输入的新症状文本； S2、从穴位标签库中获取与新症状文本描述相适配的穴位处方，通过症状编码层将穴位处方转换成多维标签向量； S3、构建包括词嵌入层、注意力层、GNN特征交互层、多标签预测层的配穴推荐模型，并基于新症状文本、多维标签向量进行训练、验证； S4、所述配穴推荐模型基于输入的中医症状文本进行配穴推荐； 在S3中，所述词嵌入层以新症状文本中的每个症状作为边，将穴位处方中的症状语法结构连接起来，并根据症状调整边权重，以增强相关的穴位配伍； 其中，词嵌入层通过狄利克雷分布挖掘每个症状的主题以得到对应的边； 在S3中，设症状描述经BERT模型编码后得到隐藏状态矩阵H，H=[h1,h2,...,hT]∈RT×768，所述注意力层通过学习参数矩阵对隐藏状态矩阵H进行非线性变换以得到对应的得分向量V，且V={e1,e2,...,eT}； 其中，ei通过下式进行表征： e i =tanhWa×hi+ba×va 上式中，ei为隐藏状态矩阵H中第i个位置的注意力得分，Wa∈RT×768为权重矩阵，va为投影向量，ba为偏置项，tanh为双曲正切激活函数； 在S3中，所述注意力层应用Softmax生成概率分布，并对注意力权重归一化加权聚合，以通过下式生成全局语义向量c： ； 在S3中，所述GNN特征交互层构建穴位关系图G，且G=V,E，其中，V为穴位标签的节点，E是由标签的先验共现症状信息构建的边，若两个标签之间存在协同关系，则对应节点之间由一条边连接； 令A为穴位关系图的邻接矩阵，表示初始节点特征矩阵，将全局症状语义映射到穴位图空间，并通过图神经网络对节点特征cproj进行更新，且更新式如下所示： c proj=Wp×c+bp，Wp∈R256×768,bp∈R256 上式中，cproj表示投影后的全局症状语义特征，Wp表示投影权重矩阵，bp表示偏置向量； 所述GNN特征交互层将更新的节点通过下式进行特征变换与降维处理，以得到GNN特征交互层的输出特征： 上式中，表示添加的自环边，为度矩阵，表示将cproj与每个穴位标签的特征进行拼接，Wg为可学习权重，σ为ReLU激活函数； 所述多标签预测层为每个穴位节点进行二分类，以通过下式输出未归一化的logit向量logitsi： 所述多标签预测层通过下式独立计算每个穴位的激活概率pi： 上式中，、分别表示第i个穴位的权重矩阵、偏置项，为第i个穴位的GNN输出特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都中医药大学，其通讯地址为：610032 四川省成都市金牛区十二桥路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。