融合动态标签平滑策略和关系网络的中医证候分类模型

来源：计算机工程与应用杂志2025年第21期北京时间：

作者：廖明, 杜建强, 罗计根, 黄强, 贺佳, 范越

单位：1.江西中医药大学 计算机学院，南昌 330004；2.南昌大学，南昌 330031；3.江西省中医人工智能重点研究室，南昌 330004

摘要：中医证候智能分类研究中，由于类别不平衡和高质量人工标注样本较少，模型在学习少样本标签时能力不佳，导致整体分类效果不理想。为解决以上问题，提出了一种融合动态标签平滑策略和关系网络的中医证候分类模型（online label smoothing for relational networks based on pre-trained language models，PLM-SNet）。该模型使用预训练语言模型对输入的病例文本进行编码，获取输入样本的特征表示；通过关系网络对样本的支持集和查询集进行特征信息的级联，获得查询集样本的相关性得分；采用动态标签监督模型的训练损失，实时更新和优化类别的软标签，从而获得最终的类别得分。在中医公开数据集TCM-SD和自建中医哮喘数据集J-SD上的实验结果表明，与最优基线模型相比，PLM-SNet将中医证候分类的Macro-F1和G-Mean分别提高了3.47、2.48、3.06和2.58个百分点，实验结果验证了该模型在类别不平衡中医证候分类任务中的科学性和有效性。

关键词：动态标签,关系网络,类别不平衡,中医证候分类