运用数据挖掘技术研究方剂配伍规律应注意的几个问题.docVIP

　　运用数据挖掘技术研究方剂配伍规律应注意的几个问题 作者：陈云慧，王燕，张昱，谭圣琰 宋姚屏，蒋永光 【摘要】 　　近年来，数据挖掘技术正逐渐被广泛运用到方剂配伍 规律 的研究中，在运用该技术进行知识发现的过程中，由于中医药数据所具有的特殊性，会产生一系列具有中医特色的问题，文章从数据的规范、数据挖掘方法的选择和挖掘结果的评判等3方面进行了讨论。 【关键词】 数据挖掘技术 方剂配伍规律 问题 　　中医讲求辨证论治，多病因分析、多药物组方、多靶点论治是其基本特点。多维度的思维是其精髓。中药方剂最典型的体现了这一思维特征。方剂配伍具体表现为方-方、方-药、药-药、药-剂量，以及方药、方证、药症（证）与证-症的多维关联，其本质就是一种数据关系，具有复杂性和非线性动态变化的特性，符合数据处理的要求和特征。而数据挖掘涵盖了数据准备、数据选择、数据预处理、数据缩减、知识发现的目标确定、挖掘算法确定、数据挖掘、模式解释及知识评价等9个处理阶段，其任务是根据待分析数据的特征，选择有效的数据挖掘算法，通过引入人工神经 网络 、关联规则、聚类分析、频繁集、空间矢量分析、决策树等多种数据处理方法进行试验和改造，使之适应方剂配伍研究的特点和目标。 　　目前，数据挖掘这一技术正逐渐被广泛运用到方剂配伍特点的研究中，在运用这一个方法进行知识发现的同时，会出现一系列具有中医特色的问题，需要引起我们的注意。 　　 1 数据的规范 　　在进行数据挖掘的前期，务必进行数据准备、数据选择、数据预处理、数据缩减等相关工作。而对于方剂配伍规律的分析，需要注意的问题主要涉及到各项数据的规范问题，包括药物名称、度量衡单位、症状描述、证候名称等。由于中医方剂数量多达数十万首，来源跨度数千年，以及 中国 古代语言文化的多样性及丰富性，导致了数据描述的不一致性。这些由于命名规则、术语表达或数据代码的不同而产生的噪声数据，如果不处理好，将直接影响后期数据挖掘结果的准确度和可信度，故需要对原始数据进行数据清洗，去除噪声数据，以使其成为更清晰和更具意义的数据。在开展规范工作前，应就所实施的规范原则达成一致，并对相关课题人员进行培训。对于症状数据的规范，参照《中医症状鉴别诊断学》［1］以及七版中医高校教材《中医诊断学》［2］建立规范症状表，并将症状性质、症状程度、症状部位有机结合，实行症状规范名和症状异名并重的原则；对于证候名称的规范则参照《中华人民共和国国家标准中医临床诊疗术语证候部分》［3］，主要分一词多义、多词一义、词义模糊、词义交叉或涵盖和删除数据不完整的记录等5种情况来处理；对于药物名称则参照《中华本草》［4］进行规范。 　　 2 数据挖掘方法的选择 　　前期数据准备完成之后，进入了数据挖掘阶段，可具体分为确定知识发现目标、确定挖掘算法和进行数据挖掘。对于方剂配伍规律的分析，知识发现的目标主要包括类方方药、方证、药症、药证以及主方结构变化规律等等。而在确定知识发现目标即分析对象之后，需要注意的问题主要是如何有针对性地选择有效的数据挖掘算法。总体来讲，根据所发现模式的类型，可以分为两种：描述性数据挖掘和预测性数据挖掘。描述性数据挖掘意在刻画数据的特性和特征，预测性数据挖掘旨在当前数据的基础上进行推断，并预测。具体来讲，数据挖掘功能在方剂配伍规律研究中的运用大略可以归纳如下： 　　2.1 概念描述描述数据的分布是很有意义的。可根据对于数据的描述，根据其特征进行区分；若又沿着指定维添加新维，则有利于发现各类之间的更多区分特性。比如，对药物的性味、归经、功效情况的刻画可以用来寻找解表药、清热药、补益药等几个类型的特征，并对所分析对象所涉及的药物进行分类，若指定清热药为一维，那么沿着这一指定维进行区分，又可以寻找到清热泻火药、清热燥湿药、清热解毒药等几个特征性亚类。 　　2.2 关联分析数据库中的数据一般都存在着关联关系，也就是说，两个或多个变量的取值之间存在某种规律性，分为简单关联和时序关联两种。简单关联，例如：含柴胡的方剂中有60%的方同时含有黄芩；时序关联则是在简单关联中增加了时间属性。关联分析的目的是找出数据库中隐藏的关联网，描述一组数据项目的密切度或关系。有时并不知道数据库中数据的关联是否存在精确的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有置信度，置信度级别度量了关联规则的强度。在对于方剂配伍规律的研究中，可以运用关联规则对药症、方证、药药、药证等相关关系进行研究。 　　2.3 分类和预测分类是通过训练数据集和测试数据集试图发现精度达到一定程度的分类模型的过程。分类模型可预测类标号未知对象的类，有多种形式，如分类规则、判定树、数学公式或神经网络等。比如可运用神经网络的方法来判定方剂功效。分类用于预测数据对象的类标号，如果在某些