人工智能自动组方-根据病症相似性进行匹配推荐药方

以下为该项目的系列文章
工作记录
萤火虫算法
FCM模糊C聚类
爬虫及python代码
数据预处理
中医分类及python代码
数据预处理python代码
基于字典的最大正向匹配
基于欧式距离的方剂推荐
基于方剂相似性的方剂推荐
GitHub地址

根据病症相似性进行匹配推荐药方

数据预处理

• 对于有证型标签的279条带下病的数据进行人工标注实体分为病名、病症、证型、治疗方法四个类别，其列表长度分别为37、1082、62、183
• 对于1082维的病症类别，通过与中医字典进行对比，计算L式编辑距离与人工操作，将病症化简为471种病症，得到有关带下病病症字典，其中默认每种病症的第一个描述方式为标准描述方式。(例：[偏头痛 头偏痛 偏头风 偏正头风]为描述同一种病症的不同表达，所以将其合并成一个病症,默认第一个描述方法“偏头痛”为标准描述方式)
• 将有关带下病的279条数据依据得到的病症字典转化为onehot向量，并计算在279条药方中471类病症出现的频数，将病症仅出现了0,1,2次的病症删除，进一步降低了字典维度。删除低频病症之后得到一个165维的字典。
• 利用降维之后的新字典再对药方数据转化为onehot向量，得到一个 165$$279的病症药方矩阵。
• 将病例所输入的病情描述通过实体识别（待）得到其病症实体，并通过字典匹配得到输入病例的病症onehot向量。

#####推荐药方

• 计算输入病例病症与病症$\ast$药方矩阵中每个药方的可以治疗病症的相似度。对于病症