ICDE2020|多图卷积网络在草药推荐中的应用
Syndrome-aware Herb Recommendation with Multi-Graph Convolution Network
Yuanyuan Jin, Wei Zhang, Xiangnan He, Xinyu Wang, Xiaoling Wang
East China Normal University, University of Science and Technology of Chin, Xiaoling Wang
http://staff.ustc.edu.cn/~hexn/papers/icde20-MultiGraph-GCN.pdf
草药推荐在传统中医的诊治过程中具有重要作用，该任务旨在推荐一些能够治疗患者症状的草药。
至今，已有多种机器学习方法用于草药推荐，现有做法局限在于只对草药和症状之间的关联进行建模，忽略了症候诱导的中间过程。在中医诊断中，经验丰富的医生通常根据患者的症状进行诱导，然后基于诱导诊断来推荐草药。
因此，症候诱导，对症状的描述更全面，在草药推荐中比较重要，应该适当考虑这种因素。然而，由于症候诱导的歧义性和复杂性，大多数药方缺乏症候的精确真实数据。
这篇文章提出一种新的草药推荐方法，其中考虑了隐含症候诱导过程。具体而言，给定一些待治疗的症状，通过高效融合所有症候的嵌入，生成全面的症候表示，进而模拟医生的症候诱导。
为了学习症候嵌入，作者们根据药方来捕捉症候之间的共现模式关系，进而构建症候图。然后，可以基于症候-症候和症候-草药图构建图卷积网络（GCNs），进而可以学习症候嵌入。类似的，基于草药-草药和症候-草药图也可以构建GCNs，进而可以学习草药嵌入，然后可以跟症候表示结合进而预测草药的得分。
多图GCN结构的优势在于，可以得到针对症候和草药的更丰富的表示。在公开传统中医数据集上的大量实验表明，作者们所提出的方法显著优于STOA方法。
传统中医的诊断过程图示如下
这篇文章的主要贡献如下
下面是符号定义及问题描述
这篇文章的网络结构图如下
这篇文章的符号约定如下
双部图图示如下
症候草药图构建方式如下
信息构建方式如下
消息聚合方式如下
下面是高阶传播的一种方式
协同图构建方式如下
信息聚合方式如下
下面是简单的信息融合方式
基于MLP的症状诱导图示如下
中药频率统计如下
训练时的目标函数如下
数据集描述及分割方式如下
下面是数据集统计
药方示例如下
下面是衡量指标
下面是几个参与对比的方法
参数设置如下
下面是最优参数
总体实验效果对比如下
不同子模型的效果对比如下
层数对模型的效果影响如下
最后一层单元个数对模型的效果影响如下
不同的阈值对模型的效果影响如下
不同的正则系数对模型的效果影响如下
不同的舍弃率对模型的效果影响如下
不同的损失函数对模型的效果影响如下
推荐结果示例如下
我是分割线
您可能感兴趣
ATM|注意力转移模型在预测下一个商品中的应用
IJCAI2019|深层自注意力网络在序列推荐中的应用
AAAI2020|深度学习在表格分析中的应用
NIPS论文系列|复数域RNN,深层生成模型,DRL在MDP中的应用(已开源)
AAAI2020|结合时空信息的分层注意力网络在大规模社交网络中的应用
ICDE2020|基于深度学习的关系抽取
只有正样本和无标签样本时如何构建分类器
ICDE2020|图卷积网络在价格感知推荐中的应用
WSDM2020|基于强化学习的多轮对话推荐系统(EAR, 即将开源)
WWW2020|如何利用未来数据协助训练基于会话的推荐(GRec)
ICML2018|基于自注意力的序列推荐模型SASRec(已开源)
IJCAI2018|分层时空LSTM在位置预测中的应用(HST-LSTM)
IJCAI2019|基于会话和注意力机制的CTR预估模型DSIN(已开源)
AISTATS2018|密歇根大学提出新型在线boosting算法用于多标签排序(已开源)
AAAI2020|一种新型高效兼容多行为的推荐系统模型EHCF(已开源)
ICML2007|深度学习用于协同过滤的开篇作之一(出自深度学习鼻祖之一Hinton)
SIGIR2019|基于BERT的深度学习模型在信息检索中的应用(已开源)
SIGIR2019|深度学习如何更好地用于学习排序(LTR)(已开源)
SIGIR2019|利用DeepSHAP来解释神经检索模型(已开源)
KDD2018|基于GBM的动态定价回归模型
KDD2018|超越deepfm的CTR预估模型深层兴趣网络DIN(已开源)
RecSys2019|优于DeepFM和XDeepFM的CTR模型FiBiNET
SIGIR2018|选择性GBDT(SelGB)用于排序学习(已开源)
IJCAI2019|基于对抗变分自编码的协同过滤框架VAEGAN
聊聊CatBoost
聊聊XGBoost CatBoost LightGBM RF GBDT
顶会中深度学习用于CTR预估的论文及代码集锦 (3)
ICML 2018 深度学习论文及代码集锦(5)
深度学习用于文本摘要的论文及代码集锦
深度学习用于机器翻译的论文及代码集锦
深度学习用于序列标注中的论文及代码集锦
深度学习在推荐系统中的应用及代码集锦(4)
深度学习在OCR中的应用论文及代码集锦 (2)