肖潔 冒宇清 李新霞

摘 要：數(shù)據(jù)挖掘是知識發(fā)現(xiàn)過程中的重要步驟，中醫(yī)藥數(shù)據(jù)挖掘是目前一個熱門的研究方向。文章探討了關(guān)聯(lián)規(guī)則方法中經(jīng)典的Apriori算法在中醫(yī)藥數(shù)據(jù)挖掘中的應(yīng)用，初步發(fā)現(xiàn)中醫(yī)治療皮膚科疾病常用方劑中的最主要中藥，對中醫(yī)臨床治療皮膚科疾病具有一定的參考意義。

關(guān)鍵詞：數(shù)據(jù)挖掘；Apriori；中醫(yī)皮膚科；頻繁項集

中醫(yī)是我國優(yōu)秀的民族文化遺產(chǎn)，其歷史悠久，理論獨特、療效顯著，承載著中華民族幾千年的寶貴經(jīng)驗和理論知識。對中醫(yī)在長期的醫(yī)療實踐中積累的大量數(shù)據(jù)進行整理，總結(jié)歸納其中的精髓，能夠豐富中醫(yī)的理論體系，推動中醫(yī)的發(fā)揚光大。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的現(xiàn)實世界數(shù)據(jù)中，提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。因此可以運用數(shù)據(jù)挖掘技術(shù)對中醫(yī)藥的數(shù)據(jù)進行分析，從中獲得有價值的知識。中醫(yī)藥的數(shù)據(jù)挖掘就是對采集到的中醫(yī)藥類的數(shù)據(jù)進行分析處理，運用合適的挖掘算法對中醫(yī)診治過程中的辨證—治法—方劑—中藥進行挖掘，實現(xiàn)中醫(yī)藥的知識發(fā)現(xiàn)，為提高中醫(yī)藥理論研究和經(jīng)驗總結(jié)提供支持。

1 數(shù)據(jù)挖掘與關(guān)聯(lián)規(guī)則

1.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫知識發(fā)現(xiàn)，一般是從大量的數(shù)據(jù)中通過算法搜索尋找隱藏在數(shù)據(jù)背后的信息的一個過程。數(shù)據(jù)挖掘通常是與計算機相關(guān)技術(shù)有關(guān)的，通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)目的。

數(shù)據(jù)挖掘這一技術(shù)的關(guān)鍵就在于數(shù)據(jù)挖掘的方法，目前常用的方法有：因子分析、描述性分析、關(guān)聯(lián)規(guī)則、聚類分析、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、對應(yīng)分析、粗糙集、模糊集、決策樹方法、貝葉斯網(wǎng)絡(luò)、頻繁集方法和支持向量機等。當前數(shù)據(jù)挖掘這一技術(shù)最主要是應(yīng)用在數(shù)據(jù)倉庫、數(shù)據(jù)挖掘語言、復(fù)雜數(shù)據(jù)類型等方面。

1.2 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的核心技術(shù)之一，是通過對海量數(shù)據(jù)進行充分有效的分析與研究來獲取知識，尋找隱藏在數(shù)據(jù)中的關(guān)聯(lián)，以提高數(shù)據(jù)挖掘的效率。其最初是來源于“購物籃分析”，通過分析購物籃里各種商品的關(guān)聯(lián)程度來總結(jié)購物習慣，優(yōu)化營銷。

關(guān)聯(lián)規(guī)則方法首先定義集合I={i1，i2，i3，…，in}，其中ik稱為項，n是集合I中項的個數(shù)，I集合也稱為項集。假設(shè)事務(wù)數(shù)據(jù)庫D是一個與任務(wù)相關(guān)的數(shù)據(jù)集合，其中每個事務(wù)T是一個項集的子集，即T?I，每個事務(wù)存在唯一的標識符TID。如果I中包含另一個項集X，當且僅當X?T時事務(wù)T包含X。關(guān)聯(lián)規(guī)則即為X?Y的蘊涵式，其中X?I，Y?I且X∩Y≠φ，表示若項集X在某一任務(wù)中出現(xiàn)，可致Y以某一概率出現(xiàn)。通常關(guān)聯(lián)規(guī)則可用3個標準衡量：支持度、置信度和提升度。支持度S是任務(wù)D中包含X和Y兩個事務(wù)的百分比，S（X?Y）=P（X∪Y）/P（D）。置信度C是在含有X的項集中同時含有Y的可能性，C（X?Y）=P（Y|X）。提升度L是置信度與項目集Y發(fā)生的概率之比，L（X?Y）= P（Y|X）/P（Y）。對于某個任務(wù)中的最小支持度的閾值，支持度大于等于該閾值的項集稱為頻繁項集，關(guān)聯(lián)規(guī)則算法發(fā)現(xiàn)事務(wù)中的頻繁項集，并且通過設(shè)置最小置信度以發(fā)現(xiàn)強關(guān)聯(lián)規(guī)則，即同時滿足最小支持度閾值和最小信任度閾值的關(guān)聯(lián)規(guī)則，最后通過不斷地重復(fù)修剪獲得所需的關(guān)聯(lián)規(guī)則。

2 Apriori算法

Apriori算法是一種經(jīng)典的頻繁項集挖掘算法。Apriori的意思是先驗的、推測的，Apriori算法的核心思想就是先驗性：在進行推論的過程中滿足后續(xù)條件的結(jié)果一定是滿足之前的條件。Apriori算法采用逐層搜索迭代的方法獲得頻繁項集，先通過對事務(wù)數(shù)據(jù)庫的掃描找出支持度不小于最小支持度的頻繁項集[1]，再利用循環(huán)，對之前得到的頻繁項集中的項進行連接剪枝，生成新的候選項，掃描數(shù)據(jù)庫，計算支持度，從候選項集中刪除支持度小于最小支持度的候選項，直至不再有候選項集為止。

但隨著項目集個數(shù)的增加，產(chǎn)生的候選項集數(shù)目也隨之不斷增加，從而導(dǎo)致算法的效率迅速下降；同時在產(chǎn)生候選項后，還需要對每一項驗證其支持度，由于候選項數(shù)目巨大，對每個候選項的掃描又需要重新針對所有的數(shù)據(jù)庫進行，更進一步提高了計算機的工作負荷。針對這些不足，目前出現(xiàn)了很多Apriori算法的改進算法，例如韓家煒老師提出的FP-Growth算法，極大地減少了運算量，提高了數(shù)據(jù)挖掘的效率。但是由于Apriori算法能夠準確進行數(shù)據(jù)挖掘，且我們所用到的方劑數(shù)據(jù)對算法而言并不算大，對運行能力及運行速度沒有較明顯的影響，所以我們選擇采用這一算法來挖掘中醫(yī)方劑數(shù)據(jù)的用藥規(guī)律。

3 用藥規(guī)律

由于中醫(yī)治療皮膚科疾病方劑數(shù)據(jù)的復(fù)雜性與多樣性，在收集數(shù)據(jù)時就需要做好篩選和清洗工作。在數(shù)據(jù)錄入階段，進行規(guī)范化處理，并利用自然語言處理技術(shù)，去除無用的信息，統(tǒng)一中藥的名字，通過數(shù)據(jù)預(yù)處理工作，將原始數(shù)據(jù)轉(zhuǎn)化為數(shù)據(jù)挖掘方法所需要的數(shù)據(jù)形式。

本研究通過對大量中醫(yī)文獻中治療皮膚科疾病的記錄，以及南京中醫(yī)藥大學附屬醫(yī)院的名中醫(yī)治療皮膚科疾病的處方數(shù)據(jù)進行統(tǒng)計與分析，從所有方劑包含的中藥名中篩選得到320條數(shù)據(jù)，共計158味中藥。運用關(guān)聯(lián)規(guī)則方法中經(jīng)典的Apriori算法進行挖掘，所挖掘出的頻繁項集是中醫(yī)治療皮膚科疾病方劑中的重要核心方，對中醫(yī)治療皮膚科疾病具有一定的研究價值。本次計算設(shè)置的最小支持度S為20%，最小置信度C為70%。通過實驗，得到本數(shù)據(jù)集所有方劑中的中藥頻繁項集，結(jié)果如表1所示。

通過Apriori算法對我們所得數(shù)據(jù)的挖掘，我們得到相關(guān)的研究結(jié)果，分析可知有“利水滲濕，健脾，寧心”性能的茯苓在這種以治療皮膚科疾病時是使用最多的一種中藥，頻率高達53%[2]，而具有“補血活血，調(diào)經(jīng)止痛，潤腸通便”性能的當歸以及功效為“滋陰清熱，涼血補血”的生地黃也分別以49%，48%的占比緊跟其后[3]，生甘草、赤芍、川芎、牡丹皮、黃芩、梔子、澤瀉、防風、紅花這9味中藥也是較高頻度出現(xiàn)的[4]，也就是對于中醫(yī)治療皮膚科疾病而言，這12味中藥是最主要、最有效的，它們出現(xiàn)的原因自然也與它們的功效有著重要的聯(lián)系[5-6]，這也是我們以后實驗中更需要注意的方向，以便為中醫(yī)臨床治療提供更多有效的信息。

4 結(jié)語

本研究利用Apriori算法對中醫(yī)治療皮膚科疾病方劑進行關(guān)聯(lián)規(guī)則挖掘，在支持度為20%，置信度為70%的條件下得到核心中藥19味。該結(jié)果為中醫(yī)臨床治療皮膚科疾病提供了初步的治療依據(jù)，具有一定的參考價值。但中醫(yī)方劑的中藥頻數(shù)并不是中醫(yī)用藥規(guī)律的唯一要素，在接下來的研究中，需要進一步挖掘高頻中藥之間的關(guān)聯(lián)信息，并且結(jié)合證型、藥物的劑量和用藥周期等特征，對中醫(yī)用藥規(guī)律進行更深層次的挖掘，以發(fā)現(xiàn)更加有用的知識。

[參考文獻]

[1]汪玉薇.面向中醫(yī)處方的關(guān)聯(lián)規(guī)則挖掘模型改進與應(yīng)用研究[D].武漢：湖北中醫(yī)藥大學，2017.

[2]劉廣.基于Apriori算法的中醫(yī)治療咳嗽關(guān)聯(lián)規(guī)則挖掘研究[J].信息系統(tǒng)工程，2016（7）：123，127.

[3]楊青.基于關(guān)聯(lián)規(guī)則的近十五年緊張型頭痛中醫(yī)用藥規(guī)律研究[D].濟南：山東中醫(yī)藥大學，2016.

[4]吳同恩.基于關(guān)聯(lián)規(guī)則的腦出血中醫(yī)用藥規(guī)律研究[D].濟南：山東中醫(yī)藥大學，2016.

[5]石昆.基于關(guān)聯(lián)規(guī)則三叉神經(jīng)痛近十五年中醫(yī)用藥規(guī)律研究[D].濟南：山東中醫(yī)藥大學，2016.

[6]嚴剛.關(guān)聯(lián)規(guī)則算法在中醫(yī)數(shù)據(jù)挖掘中的應(yīng)用[J].硅谷，2009（24）：65.