智能中药配伍方法及其应用研究.pdfVIP

一种智能的中药配伍方法

1,2,1,2

1,2，1,2，张德政*，

1计算机学院，科技大学计算机与通信（USTB），，100083，。2材料科学知识工

程重点，，100083，。

：中药处方作为传统中医的主要治疗方法之一，其

中药物之间的关系复杂且难以手动提取。然而，随着数2测量药物之间的关联性

据挖掘技术的兴起，利用大规模文本数据智能完成此类2.1基于处方的药物相关性

任务变得更加可能。为了发现药物之间的关系，量化了衡量相关性的常用方法主要包括完全图[5],频率统计

处方的相关性和药物属性，建立了网络模型，然后利用[6],Jaccard相似性[7],和互信息[8]。所有这些方法都有

图挖掘领域的技术研究特定处方中药物的配伍规则。各自的缺点。完全图中的边数过多，不利于从复杂的药

实验结果表明，我们的方法能够模拟出与传统中医理论物网络中挖掘知识。对于频率统计方法，选择频率阈值

相似的结果，并可作为自动药物配伍的潜在方法。较为。如果阈值过小，会引入过多的噪声数据；而

阈值过大，则无法正确发现低频药物之间的关联。

Jaccard系数和互信息没有考虑处方中药物长度对药物对

映体的影响，这一点与前两种度量方法相同。因此，有

：处方；药物网络；图挖掘；社区发现必要开发一种基于处方的新型药物相关性方法。在本文

中，我们使用以下方法定义基于处方的药物相关性：基

于药物依赖的相关性。该方法将相互依赖关系转化为相

1引言应的相关性。

着

随相关技术的快速发展，越来越多的研究了

利用数据挖掘技术发现药物、药物匹配及不同药物

之间关系的努力[1‑2]。通过数据挖掘方法建立的复杂药物

网络[3]主要基于包含不同药物经验匹配模式的处方[4]。药物A和B之间的依赖关系可以从(1)中获得。

除了处方层面的信息外，每种特定药物都有其自身的属

1

性，如“性质”、“味道”、“归经”，在进行分析时∑_−1

(|)

=(1)

不应忽视这些属性。然而，大多数先前的工作要么忽略|

其中是包含药物A和B的处方；。

了处方信息