張好霞，侯 鈺，楊建明，陳 浩，李天泉△

（1.重慶康洲醫(yī)藥大數(shù)據(jù)開發(fā)應用研究院，重慶 404100； 2.重慶康洲大數(shù)據(jù)有限公司，重慶 404100）

在現(xiàn)代科學技術(shù)推動中醫(yī)藥理研究快速發(fā)展的背景下，藥性、藥味理論的研究已逐漸成為國內(nèi)學者關(guān)注的熱點，促進了中藥性、味、歸經(jīng)、功能間關(guān)系數(shù)據(jù)探究方法的創(chuàng)新［1-4］。目前，數(shù)據(jù)挖掘已成為中醫(yī)藥研究的重要技術(shù)，主要是用于發(fā)現(xiàn)數(shù)據(jù)中的隱含規(guī)律和潛在的信息及知識等。關(guān)聯(lián)規(guī)則挖掘則是數(shù)據(jù)挖掘技術(shù)中較活躍的技術(shù)，一般用來發(fā)現(xiàn)研究對象的關(guān)聯(lián)性和相互依存性。其中Apriori算法是關(guān)聯(lián)規(guī)則挖掘中較典型的算法［5］，也是挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集最有影響的算法，已被廣泛用于中藥數(shù)據(jù)挖掘的研究中［6-8］。關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法多用于藥物屬性間的關(guān)系挖掘，郭小磊［8］、于紅艷等［9］報道了部分四性-五味間的緊密關(guān)系，以及寒-解毒、寒-清熱、溫-止痛、寒-涼血、微寒-清熱、寒-消腫、涼-清熱等的關(guān)聯(lián)關(guān)系；尚爾鑫等［10］報道了部分中藥屬性四性-歸經(jīng)、歸經(jīng)-歸經(jīng)的關(guān)聯(lián)性。本研究中在現(xiàn)有理論研究的基礎(chǔ)上，運用數(shù)據(jù)挖掘方法進行樣本分析、處理，并參考Apriori算法，結(jié)合關(guān)聯(lián)數(shù)據(jù)技術(shù)［10-11］，分析中藥的性、味、歸經(jīng)及藥用功能間的聯(lián)系，探討中藥性能和傳統(tǒng)經(jīng)驗之間的區(qū)別和聯(lián)系，為中藥性能研究提供科學、有效的論證方式。現(xiàn)報道如下。

1 數(shù)據(jù)處理

1.1 數(shù)據(jù)來源

本研究中涉及的數(shù)據(jù)來源于藥智網(wǎng)數(shù)據(jù)庫的中藥基本信息數(shù)據(jù)表，表中信息主要來源于《中國藥典（一部）》及全國各省市自治區(qū)藥材標準信息，且詳細記錄了中藥材加工、規(guī)范、歸類等操作，信息權(quán)威，可直接利用度高（數(shù)據(jù)加工規(guī)范等過程有內(nèi)部標準，統(tǒng)一性強）。同時，中醫(yī)藥數(shù)據(jù)挖掘過程中需要針對性強、數(shù)據(jù)規(guī)范、數(shù)據(jù)量相對完備的專業(yè)數(shù)據(jù)庫，而藥智網(wǎng)數(shù)據(jù)庫中的中藥基本信息數(shù)據(jù)表收錄了1 690種常見中藥，記錄了其名稱、藥性、藥味、歸經(jīng)、功效、炮制等基本信息，現(xiàn)抽取其中性、味、歸經(jīng)、功能作為研究對象進行數(shù)據(jù)挖掘。

1.2 數(shù)據(jù)預處理

研究中需涉及中藥藥性、功效等信息，由于其記錄不統(tǒng)一、各種信息的名稱不規(guī)范等原因，造成數(shù)據(jù)顯示的內(nèi)在規(guī)律會呈過度分散狀態(tài)，使得現(xiàn)有數(shù)據(jù)庫不能直接按研究目的進行數(shù)據(jù)分析或數(shù)據(jù)挖掘，所以很有必要在數(shù)據(jù)分析前對數(shù)據(jù)進行預處理，數(shù)據(jù)預處理一般包括數(shù)據(jù)清洗、數(shù)據(jù)變換、數(shù)據(jù)集成等步驟［12］。

數(shù)據(jù)清洗：主要包括初步清洗和深度清洗兩部分。初步清洗主要是指除去數(shù)據(jù)當中冗余、無關(guān)的標點符號、空格等部分，這類錯誤常由人工錄入造成，規(guī)律性差，需人工逐一查找、規(guī)范并加以改善。深度清洗主要是指對中藥的性、味、歸經(jīng)、功能進行清洗，去掉“有小毒”等無關(guān)成分；將屬性“微寒”變換為“寒”；將歸經(jīng)的名詞簡化，如“大腸經(jīng)”簡化為“大”，“脾經(jīng)”簡化為“脾”，“膀胱經(jīng)”簡化為“膀”等。數(shù)據(jù)清洗過程需提高數(shù)據(jù)的準確性、完整性和簡化性，盡可能地提高數(shù)據(jù)的質(zhì)量。

數(shù)據(jù)變換：是指對某些信息描述中屬性值數(shù)目不唯一且有一定多樣性的數(shù)據(jù)進行轉(zhuǎn)換處理，將其簡化。原數(shù)據(jù)中每味中藥的某個屬性可能有多個值，且數(shù)目不相同，如漏蘆的介紹為“味苦性寒，歸胃經(jīng)，有清熱解毒之功效，可消癰，下乳，舒筋通脈”；薤白的介紹為“味辛、苦，性溫，歸心、肺、胃、大腸經(jīng)，有通陽散結(jié)、行氣導滯的功效”。分析發(fā)現(xiàn)，漏蘆藥味屬性有1種、歸經(jīng)有1種，而薤白藥味屬性有2種、歸經(jīng)有4種，而數(shù)據(jù)庫中的數(shù)據(jù)無明顯規(guī)律，且組合種類繁多，不易于算法識別。故極有必要將原始數(shù)據(jù)分割、展開，以變換為簡單的數(shù)據(jù)形式。變換后保留2種主要藥味、1種主要藥性、3種主要歸經(jīng)、3種主要功能，按一一對應原則分別將其展開，共得2×1×3×3＝18項。經(jīng)過處理后的數(shù)據(jù)形式簡潔明了。數(shù)據(jù)處理的難點還在于藥物功效的分類。一般藥物有主要功效和次要功效，但原有數(shù)據(jù)的功效多而雜。若僅將功效進行分割和初步清洗，所得功效將超過600種，需將其合并帶入Apriori算法中，然后將功能分類后的數(shù)據(jù)帶入算法。此種數(shù)據(jù)處理方式可降低項集絕對支持度，對于含有項較多的項集，其相對支持度基本無改變，對于含有項較少的項集，其相對支持度和絕對支持度均有改變。故對于最后的結(jié)果，項數(shù)越多的頻繁項集越可靠。在進行算法分析時，可將功效設為目標，設置其他3項為輸入項。

數(shù)據(jù)集成：主要是將來源、格式、特點性質(zhì)不同的數(shù)據(jù)在不同的系統(tǒng)定義數(shù)據(jù)元素，并將這些數(shù)據(jù)元素在結(jié)構(gòu)化的模式上有效協(xié)調(diào)存在的差異，同時保持一致的數(shù)據(jù)視圖，最終使得數(shù)據(jù)共享更加便捷化。

2 模型算法原理及使用工具

中醫(yī)理論中對“藥對”在七情、性、味、歸經(jīng)、功效等多個角度的組成方法及形式均有涉及，但均僅對部分藥對進行了闡述，其間還存在部分信息交叉。雖合乎中醫(yī)藥臨床的實際操作，但與藥對組成結(jié)構(gòu)的現(xiàn)代理論研究之間還存在一定的距離［5］。從藥對組成藥物的屬性入手，利用基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法，可以探究中藥性、味、歸經(jīng)、功能屬性間的關(guān)系，并可描述每兩個屬性間的關(guān)聯(lián)性強弱。

Apriori算法是關(guān)聯(lián)規(guī)則算法中最常用的算法。關(guān)聯(lián)規(guī)則的原理是，在數(shù)據(jù)集中，若大量記錄具有特征屬性A的同時，也頻繁出現(xiàn)特征屬性B，則稱特征屬性A和B構(gòu)成模式，這些模式可以用關(guān)聯(lián)規(guī)則來觀察和分析，從而表現(xiàn)A和B之間的關(guān)聯(lián)性［4］。關(guān)聯(lián)規(guī)則的質(zhì)量一般由規(guī)則的支持度（support）和置信度（confidence）來度量，它們分別反映所發(fā)現(xiàn)規(guī)則的有用性和確定性［11］。規(guī)則XY在數(shù)據(jù)庫D中的支持度是交易集中同時包含X和Y的事務數(shù)與所有事務數(shù)之比，記為support（XY）＝support（X∪Y），可簡化表示為P（A∪B）。支持度描述了X和Y項集在所有事務集D中同時出現(xiàn)的概率。規(guī)則X和Y在事務集中的置信度是指同時包含X和Y項集的事務數(shù)與包含X項集的事務數(shù)之比，它用來衡量關(guān)聯(lián)規(guī)則的可信程度，記為confidence（XY）＝support（X∪Y）support（X），可簡化表示為P（B｜A），即在事務集D中出現(xiàn)項集A的同時，也出現(xiàn)項集B的概率［13-14］。本研究中采用MySQL和Excel作為數(shù)據(jù)處理工具，R語言、SPSS作為算法挖掘工具。

采用樣本分析法，隨機抽取一定數(shù)量的數(shù)據(jù)樣本，設置合理的參數(shù)，將不同樣本數(shù)據(jù)帶入算法模型運行，直到得出最理想的結(jié)果，則該模型為成功的預測模型。

3 模型調(diào)試與預測結(jié)果分析

3.1 樣本1

隨機抽取700種中藥，根據(jù)性、味、歸經(jīng)進行展開，得到最終數(shù)據(jù)1 767條。數(shù)據(jù)以csv格式儲存，并帶入SPSS運行算法。設置性、味、歸經(jīng)、功能作為關(guān)聯(lián)規(guī)則算法模型項集的屬性，設置算法模型最低支持度為0.5%，置信度為60%，調(diào)用R關(guān)聯(lián)分析規(guī)則包中的算法進行調(diào)試，詳見圖1。

圖1 700種中藥性、味、歸經(jīng)、功效網(wǎng)絡圖Fig.1 Network diagram of the nature，flavour，channel tropism and medicinal fundion of 700 kinds of traditional Chinese medicinal herbs

通過網(wǎng)絡節(jié)點，可直觀顯示各屬性間的關(guān)聯(lián)程度，其中每個原點各表示1種屬性，其間的直線表示原點間有關(guān)聯(lián)，直線越粗，關(guān)聯(lián)程度越強［15-16］。由圖1可知，苦-寒、辛-溫、寒-清熱間關(guān)聯(lián)性很強，其次，苦-清熱、甘-補益、苦-肝間的關(guān)聯(lián)性較強，表明補益功能與溫、甘、腎，利水滲透功能與寒，理氣功能與溫有關(guān)聯(lián)。

利用模型對功能的預測結(jié)果可得關(guān)聯(lián)規(guī)則頻繁項集（見表1），分析可知，設置支持度為0.01%，置信度為55%時，預測結(jié)果最多為148項，其中預測準確數(shù)目為0。因此，樣本量為1 767建立的模型無法得到理想的效果，需進一步擴大樣本量對模型進行調(diào)試。

3.2 樣本2

抽取全部1690種中藥，總數(shù)據(jù)量為4637條，以8∶2的比例選取其中80%為訓練集，20%為預測集。設置中藥性、味、歸經(jīng)、功能為關(guān)聯(lián)規(guī)則算法模型項集的屬性，將算法模型的最低支持度設置為0.2%，置信度設置為60%，先調(diào)用R關(guān)聯(lián)分析規(guī)則包中的算法模型，將訓練集數(shù)據(jù)帶入算法進行調(diào)試，詳見圖2。可知，關(guān)聯(lián)強度較強的是清熱-苦、清熱-寒、溫-辛、肝-苦。同時，補虛與溫、肝、腎間有一定關(guān)聯(lián)，祛風濕與溫、苦、辛、平、肝有一定關(guān)聯(lián)，行（理）氣與溫有輕微關(guān)聯(lián)，利水滲透與寒的關(guān)聯(lián)較弱。

表1 樣本1關(guān)聯(lián)規(guī)則頻繁項集Tab.1 Frequent item sets of association rules for sampleⅠ

圖2 1 690種中藥性、味、歸經(jīng)、功效網(wǎng)絡圖Fig.2 Network diagram of the nature，flavour，channel tropism and medicinal fundion of 1 690 kinds of traditional Chinese medicinal herbs

利用模型的預測功能預測訓練集，對比結(jié)果得出準確率，預測準確率作為模型評估選擇依據(jù)。通過改變支持度和置信度來實現(xiàn)對模型的調(diào)試，直至出現(xiàn)最大準確率和預測的最大數(shù)量，該模型即為最優(yōu)模型。預測結(jié)果見表2，基于準確率和預測的數(shù)量，考慮采用支持度為0.2%、置信度為65%的模型。將預測集數(shù)據(jù)帶入模型，對數(shù)據(jù)進行運算，所得頻繁項集見表3。

4 討論

中藥的藥性以平性最多，溫性、寒性次之。關(guān)聯(lián)分析結(jié)果顯示，藥效清熱與藥味苦，藥效清熱與藥性寒，藥性溫與藥味辛，藥入肝經(jīng)與藥味苦有很強的關(guān)聯(lián)；藥效補虛與藥性溫及藥入肝、腎經(jīng)，藥效祛風濕與藥性溫、甘有較強的關(guān)聯(lián)，驗證了中醫(yī)中的“辛味和甘味屬溫，苦味屬寒涼”的理論知識。

表2 模型預測結(jié)果Tab.2 Prediction results of model

表3 樣本2關(guān)聯(lián)規(guī)則頻繁項集Tab.3 Frequent item sets of association rules for sampleⅡ

根據(jù)關(guān)聯(lián)規(guī)則分析，置信度超過80%的關(guān)聯(lián)節(jié)點有平、辛、腎-祛風濕，溫、咸、腎-補虛，涼、淡-清熱，淡、膽-清熱，熱、苦-祛風濕。這表明藥性為平、藥味為辛的易入腎經(jīng)，且多用于祛風濕；藥性為溫、藥味為咸的易入腎，用于補虛；涼性、清淡的可清熱；藥性為熱、藥味為苦的可祛風濕等。上述分析結(jié)果有效地驗證了中醫(yī)古籍理論。

苦味藥在傳統(tǒng)中醫(yī)理論中藥性寒涼，本研究中發(fā)現(xiàn)，藥味苦與藥性熱有很強的關(guān)聯(lián)性，且這些藥物主要為祛風濕藥，這與中醫(yī)常識“苦味屬寒涼”有明顯不同，證明了中醫(yī)藥中味苦藥材并非全部屬寒涼藥性。這一結(jié)論有待中醫(yī)藥專業(yè)人員進一步研究和論證，并期待發(fā)現(xiàn)有創(chuàng)新、全新的中醫(yī)藥應用。

在大數(shù)據(jù)技術(shù)日益成熟的時代，中醫(yī)藥數(shù)據(jù)不斷聚合匯總，形成完整海量的大數(shù)據(jù)中醫(yī)藥平臺，將挖掘模型應用于這些具有極高價值的數(shù)據(jù)中，研究者不但可挖掘出更多、更有價值的信息，而且對于具有缺陷的中藥信息記錄書籍或資料，合適的數(shù)據(jù)挖掘模型也可發(fā)揮預測作用加以補全，從而提高中藥學資料的完整性。

當下，數(shù)據(jù)挖掘技術(shù)突飛猛進，并在諸多領(lǐng)域發(fā)揮作用。中醫(yī)藥領(lǐng)域有極其龐大的數(shù)據(jù)資源，且中藥資料或書籍里的數(shù)據(jù)之間也存在各種關(guān)聯(lián)，這種關(guān)聯(lián)恰好是數(shù)據(jù)價值的核心所在。使用關(guān)聯(lián)規(guī)則挖掘能將分散的中藥數(shù)據(jù)關(guān)聯(lián)起來，發(fā)掘性、味、歸經(jīng)與功能的關(guān)聯(lián)性和數(shù)據(jù)之間的依存性。該方法僅需分析人員利用自己的經(jīng)驗及知識結(jié)構(gòu)對數(shù)據(jù)進行一定規(guī)范，并帶入模型分析即可得出結(jié)果，可大幅降低人為主觀因素的影響。同時，該分析方法使用線將點與點進行連接，并用線的粗細程度來顯示點與點間的關(guān)聯(lián)強度，線條較粗的可用于驗證經(jīng)典書籍或資料中理論的準確性，線條較細的可用于探究目前研究較淺或未知的歸經(jīng)、功能，可能會更便利、有效地獲得新的信息。并且，此方法可直觀、生動、形象地展現(xiàn)性、味、歸經(jīng)、功能間的關(guān)聯(lián)程度。

利用大數(shù)據(jù)挖掘方法研究中醫(yī)藥學，建立模型，規(guī)避研究人員本身的經(jīng)驗或知識結(jié)構(gòu)固化的限制，可挖掘出現(xiàn)有中醫(yī)藥學之外的潛在信息，大幅提高研究思路的創(chuàng)新性和多樣性，從而更快、更優(yōu)地挖掘出分散的傳統(tǒng)中藥數(shù)據(jù)背后潛藏的價值，推動創(chuàng)新中醫(yī)藥發(fā)展，傳承中醫(yī)精神。