一种基于表示学习的多标签疾病数据分类模型构建方法

本发明属于医疗数据挖掘和人工智能技术领域，公开了一种基于表示学习的多标签疾病数据分类模型构建方法，在疾病侧及患者侧完善相关信息构成医学知识图谱，将其包含的实体和关系转换为嵌入向量；设计层次化注意力机制提取知识图谱中节点的高阶结构和语义信息，生成目标节点在不同层的嵌入向量；整合不同层的患者节点和疾病节点的嵌入向量，进行数据分类；构建知识图谱损失函数和疾病数据分类损失函数，利用自我对抗性负采样策略，设计基于节点度数的动态采样与损失加权，完成模型的构建。本发明所述方法能够高效利用各类医疗数据，充分挖掘疾病间复杂关系，克服数据稀疏性和类别不平衡问题，提升模型对疾病数据分类的准确性和泛化能力。