机器学习+数据可视化，老中医逆袭的秘密武器！
[font=arial][color=#ff0000][size=16px]PS：丹道也可以用这个思路研究。大数据，人工智能。机器学习能够达到一个王语嫣的高度就够了，机器不可能实证，但会达到一个通读，读通各种丹经的人类无法企及的高度。计算机专业，会机器学习，大数据的道友可以谈一下。[/size][/color][/font][font=arial][size=16px][font=arial][size=16px]
[/size][/font]
前言[/size][/font]
[font=arial][size=16px]中国古籍，汗牛充栋，源远流长，即使皓首穷经，人一生能博览的书籍也是少之又少，能深入参悟的就更是稀有。[/size][/font]
[font=arial][size=16px]好在现在是AI时代，通过机器学习可以快速大量处理包括文本在内的各种数字文档，借助AI，我们也可以提高对于知识处理和提炼的效率。[/size][/font]
[font=arial][size=16px]本文将以横跨明清两代的医学家陈士铎的毕生心血《医学全书》为例，用AI研习经典，用人工创作智慧。[/size][/font]
[font=arial][size=16px]励志照亮人生，程序猿改变世界。[/size][/font]
[font=arial][size=16px]背景介绍[/size][/font]
[font=arial][size=16px]陈士铎，字敬之，号远公，别号朱华子，又号莲公，自号大雅堂主人，浙江山阴（今浙江绍兴）人。约生于明朝天启年间，卒于清朝康熙年间。据嘉庆八年《山阴县志》记载：“陈士铎，邑诸生，治病多奇中，医药不受人谢，年八十余卒。“[/size][/font]
[font=arial][size=16px]书籍介绍[/size][/font]
[font=arial][size=16px]陈士铎是清代初期的著名医学家，一生的著述非常多。[/size][/font]
[font=arial][size=16px]《医学全书》总共3.7M，汉字约120万字，全部文言文。一个勤奋的读者，每天阅读2000字，需要600多天完成第一轮学习。[/size][/font]
[font=arial][size=16px]至于归纳整理，就需要更久的时间。所以说，学医需谨慎。[/size][/font]
[font=arial][size=16px]框架选型[/size][/font]
[font=arial][size=16px]中文处理文本，第一步分词，第二步向量化。[/size][/font]
[font=arial][size=16px]1、分词[/size][/font]
[font=arial][size=16px]分词我选用了开源项目结巴分词：[url=https://github.com/fxsjy/jieba]https://github.com/fxsjy/jieba[/url][/size][/font]
[font=arial][size=16px]自从github嫁给ms，总感觉心里很失落，怀念啊我们的青春啊。[/size][/font]
[font=arial][size=12px][img]https://ss0.baidu.com/6ONWsjip0QIZ8tyhnq/it/u=2983363170,3191705885&fm=173&app=25&f=JPEG?w=640&h=254&s=B021F1103CC89F0566B6114C0300D0BA[/img][/size][/font]
[font=arial][size=16px]同时，考虑到结巴分词对文言文医学的不熟悉，需要手动设置用户自定义词，示例如下：[/size][/font]
[font=arial][size=12px][img]https://ss2.baidu.com/6ONYsjip0QIZ8tyhnq/it/u=2755733489,2981841862&fm=173&app=25&f=JPEG?w=248&h=712&s=21D2336C02F880724CF9DC1A0100E091[/img][/size][/font]
[font=arial][size=16px]2、向量化[/size][/font]
[font=arial][size=16px]因为这次的主要目的是寻找词语关系，所以选择了word2vec作为工具库。[/size][/font]
[font=arial][size=16px]word2vec也叫word embeddings，中文名“词向量”，作用就是将自然语言中的字词转为计算机可以理解的稠密向量（Dense Vector）。[/size][/font]
[font=arial][size=16px]word2vec模型其实就是简单化的神经网络。[/size][/font]
[font=arial][size=16px]word2vec不仅可以在百万数量级的词典和上亿的数据集上进行高效地训练，还可以得到训练结果——词向量（word embedding），可以很好地度量词与词之间的相似性。[/size][/font]
[font=arial][size=16px]word2vec常见应用：[/size][/font]
[font=arial][size=16px]用 Word2vec 寻找相似词[/size][/font]
[font=arial][size=16px]根据上下文预测某个词语出现概率[/size][/font]
[font=arial][size=16px]数据处理[/size][/font]
[font=arial][size=16px]良好的数据是机器学习模型的食材。[/size][/font]
[font=arial][size=16px]经过结巴分词之后的segment还需要手工过滤掉标点符号和很多奇怪的词语，这些词语如果不去掉，在后面的向量相似度上会带来很多困扰。[/size][/font]
[font=arial][size=12px][img]https://ss1.baidu.com/6ONXsjip0QIZ8tyhnq/it/u=3053721835,2220520237&fm=173&app=25&f=JPEG?w=640&h=779&s=E8C2A3449AB6B64F4EF144070000E0C0[/img][/size][/font]
[font=arial][size=16px]训练模型[/size][/font]
[font=arial][size=12px][img]https://ss2.baidu.com/6ONYsjip0QIZ8tyhnq/it/u=2769255140,264250576&fm=173&app=25&f=JPEG?w=640&h=87[/img][/size][/font]
[font=arial][size=16px]训练模型输出相似度[/size][/font]
[font=arial][size=12px][img]https://ss0.baidu.com/6ONWsjip0QIZ8tyhnq/it/u=2039907162,3385463893&fm=173&app=25&f=JPEG?w=639&h=172&s=E0E2B744CFA58D705AC1440C000070C3[/img][/size][/font]
[font=arial][size=16px]这里以六经为例，目的是看看与这几条经脉最亲密的是哪些东西。[/size][/font]
[font=arial][size=16px]老中医顺手普及：[/size][/font]
[font=arial][size=16px]少阴：分足少阴肾经和手少阴心经，对应心、肾。[/size][/font]
[font=arial][size=16px]太阴：分足太阴脾经和手太阴肺经，对应脾、肺。[/size][/font]
[font=arial][size=16px]厥阴：分足厥阴肝经和手厥阴心包经，对应肝、心包。[/size][/font]
[font=arial][size=16px]少阳：分足少阳胆经和手少阳三焦经，对应胆、三焦。[/size][/font]
[font=arial][size=16px]太阳：分足太阳膀胱经和手太阳小肠经，对应膀胱、小肠。[/size][/font]
[font=arial][size=16px]阳明：分足阳明胃经和手阳明大肠经，对应胃、大肠。[/size][/font]
[font=arial][size=16px]以上对应的五脏（心肝肾肺脾）和六腑（胆，心包，膀胱，小肠，大肠，三焦）并非西医意义上的器官。[/size][/font]
[font=arial][size=16px]数据样本[/size][/font]
[font=arial][size=12px][img]https://ss0.baidu.com/6ONWsjip0QIZ8tyhnq/it/u=106733109,3410853073&fm=173&app=25&f=JPEG?w=640&h=381&s=58A83C72271350624C75D0DA0000E0B1[/img][/size][/font]
[font=arial][size=16px]以上美观大方的数据表格由DataHunter数据可视化软件生成。[/size][/font]
[font=arial][size=16px]可视化[/size][/font]
[font=arial][size=16px]为了直观和颜值，我们采用DataHunter最新的1.8版数据可视化软件来呈现数据。[/size][/font]
[font=arial][size=16px]新版新增了包括热力图、箱线图、关系图、树状图、玫瑰图、桑基图、仪表盘、象形图，正好可以用来展示多维度量的数据。[/size][/font]
[font=arial][size=12px][img]https://ss2.baidu.com/6ONYsjip0QIZ8tyhnq/it/u=3048004898,1526170029&fm=173&app=25&f=JPEG?w=640&h=522&s=9DC2CC12F7274B1B0EC3B0D6030010AA[/img][/size][/font]
[font=arial][size=12px][img]https://ss2.baidu.com/6ONYsjip0QIZ8tyhnq/it/u=33664796,3364688611&fm=173&app=25&f=JPEG?w=640&h=484&s=58A03C720D03414356F120CE0000E0B3[/img][/size][/font]
[font=arial][size=16px]结论[/size][/font]
[font=arial][size=16px]少阳经与其他经脉的联系最多，古人称“少阳为枢”，很多病症只需『和解少阳』便可四两拨千斤，达到早治疗早轻松的效果。[/size][/font]
[font=arial][size=16px]与虚火关系紧密的是阳明，即胃经，这个在临床上也有很多验证效果，泻胃火可以治疗包括牙龈肿痛、便秘、口腔溃疡等各种现代上火症状。[/size][/font]
[font=arial][size=16px]与肾虚关系紧密的分别是少阴（心肾）经和太阴（脾肺）经，肾很好理解，脾肺在这里出现则发人深思，所谓土生金、金生水，造化之妙。[/size][/font]
[font=arial][size=16px]厥阴与痉病（四肢抽搐、角弓反张）密切相关，这个有经验的老中医一看就洞悉于心：肝木主风，痉病这些症状正与风症吻合。[/size][/font]
[font=arial][size=16px]有兴趣的朋友，还可以拓尔思之，比如查一下与『人参』关系紧密的老铁是那几位？答案不揭晓了，有心者自得知。[/size][/font]
[font=arial][size=16px]现代科技也可以让古老的典籍重新焕发青春！[/size][/font] 不是程序员表示看不太懂啊
系統名稱：中医学
前系統：
後系統：
上系統：
下系統：
系統介面：
系統基因：
系統結構：
系統性質：
系統應用：
页:
[1]
