기계 학습을 이용한 한의학 처방 분석 방안

A Strategy for Disassembling the Traditional East Asian Medicine Herbal Formulas With Machine Learning

목적 : 기계 학습을 이용하여 한의학 처방을 분해하는 방법을 제안한다. 방법 : Byte Pair Encoding(BPE)과 G-Score를 이용한 모델을 만든 다음 학습 데이터를 통해 학습시켰다. 이후 학습된 모델을 테스트 데이터에 적용하여 결과를 도출하고 전문가 의견과 비교하였다. 결과 : 기계 학습을 이용한 처방 분해 결과는 큰 틀에서 현대 전문가의 방해와 많이 다르지 않았다. 다만 부분적으로 의미가 잘 드러나지 않는 경우도 있었고, 반대로 처방 분해를 통해 새로운 지견을 얻을 수 있는 경우도 있었다. 결론 : 본 연구에서 제안한 방법을 통해 처방을 분해하면 복잡한 처방을 이해하는데 소요되는 자원을 절약할 수 있을 것이다.

Objectives : We propose a method to disassemble Traditional East Asian Medicine herbal formulas using machine learning. Methods : After creating a model using Byte Pair Encoding(BPE) and G-Score, the model was trained with training data. Afterwards, the learned model was applied to the test data, of which the results were compared with expert opinion. Results : The results acquired through the model were not significantly different from those of modern expert opinions. However, there were cases where the meaning was partially unclear, while there were cases where new knowledge could be obtained through the disassembling process. Conclusions : It is expected that disassembling herbal formulas through the proposed method in this study will help save resources required to understand complex ones.