摘要
本发明涉及一种融合大语言模型与知识图谱的中医证候预测方法,属于证候预测技术领域,解决了现有技术中预测准确率低的问题。方法包括:将待预测患者的初始特征输入证候预测模型预测待预测患者存在每种大类证候的第一概率;分别采用大语言模型和知识图谱确定待预测患者存在每种证候的第二概率和第三概率;基于待预测患者存在每种大类证候的第一概率、第二概率和第三概率得到待预测患者存在每种大类证候的综合概率;基于待预测患者存在每种细分证候第二概率和第三概率,以及待预测患者与每个细分证候的相似度确定待预测患者存在每个细分证候的综合概率;基于每种大类证候和每个细分证候的综合概率得到待预测患者的证候。实现了准确的证候预测。
技术关键词
大语言模型
患者
神经网络模型
训练样本集
知识图谱查询
深层特征提取
生成提示词
特征提取模块
分类器
标签
代表
系统为您推荐了相关专利信息
急性冠脉综合征
风险预测模型
早期诊断试剂盒
患者
计算机装置
农作物虫害
大语言模型
预警系统
多模态
生成对抗网络
生成系统
生成方法
大语言模型
数据收集模块
电子病例报告表
共享系统
重症患者护理
大数据
接收端
数据处理模块