中醫院校數據挖掘課程探索與改革

摘要：文章對數據挖掘課程進行了分析，對其教學過程中存在的問題進行了剖析。針對中醫院校的背景優勢和學生特點，從教材選擇、教學內容、實驗設置和課程設計層面探討了該課程的教學方法。

關鍵詞：數據挖掘；教學改革；中醫藥數據分析

中圖分類號：G642.0 文獻標志碼：A ？搖文章編號：1674-9324（2013）49-0198-02

一、引言

數據挖掘是一門綜合性的交叉學科，旨在以非平凡的方法發現蘊藏在大量數據集中的有用知識。它融合了概率統計學、數據庫技術、數據倉庫、人工智能、機器學習、信息檢索、數據結構、高性能計算、數據可視化等技術[1]。近年來，不少高等院校已為本科生開設了該門課程，數據挖掘技術在中醫藥研究中的應用日趨廣泛，尤其體現中醫藥信息化、中藥成分分析、中藥指紋圖譜、方劑組成與配伍、證候研究等領域。我院于2004年開設該課程，主要基于兩方面考慮：一方面，就中醫科研人員來說，大量的中醫藥數據需要借助數據挖掘技術發現潛在的有用知識，這就要求科研人員具備一定的數據挖掘知識，掌握數據挖掘工具的使用；另一方面，就計算機專業學生來說，有海量中醫藥數據作為背景和平臺，將這些真實的樣本數據作為挖掘的訓練集，可以更好的掌握數據挖掘模式，檢驗挖掘方法，幫助學生將理論知識聯系到實際應用中。

二、課程教學現狀

數據挖掘課程在其開設初期，主要是面向研究生教育，隨著近年來數據挖掘技術在實際領域中的應用推廣，課程開始在國內外很多高校的本科高年級中開設，主要面向計算機專業、信息管理專業、醫學專業、金融相關專業。到目前為止，數據挖掘教學實踐已取得了一定的成績，但仍存在很多制約其發展的因素，具體表現在以下幾方面。①授課形式陳舊，在教學上以教師講、學生聽的形式為主，學生只是一味的被灌輸知識，處于被動狀態，創造性被嚴重扼殺。②數據挖掘課程作為交叉學科，對本科生而言，在理論知識上有一定的難度，由于數據挖掘內容涉及了統計學、算法、數據庫、機器學習、模式識別、可視化等，內容廣泛并且難度較深，而本科生的知識體系相對薄弱，在短時間難以透徹理解各部分理論，更談不上綜合運用。③在實驗中，很多實驗指導書多是采用系統平臺下的測試數據集，應用某種算法模型，得到相應結果，然而在實際數據挖掘的項目中，數據收集和數據預處理的部分要占全部工作的80%以上，現有的實驗環節并未體現這一點。④教師講授沒有把理論課程結合到實際應用中，未做到學為所用，很多學生不知道學習這門課的意義，缺乏學習興趣。

三、課程教學目標與內容

1.教學目標。基于本科生的知識體系結構、就業需要及課時安排的實際情況，“數據挖掘”教材中的內容不可能全部覆蓋，而是應該選擇一些具有代表性的內容進行講授，注重應用和對算法的理解。其教學目標是使學生樹立數據挖掘的思維體系，掌握基本的挖掘算法，熟練運用數據挖掘軟件；能夠根據實際問題，制定一個合理、完整的數據挖掘計劃，通過建立模型、進行評估以及可視化結果，達到解決問題的目的[2]。按照這個目標，教學內容應以數據挖掘基本原理和算法講解為主，旨在使學生掌握各種算法和技術的來龍去脈、功能及優缺點，掌握已有數據挖掘軟件的使用，并以算法講解為主線，了解各種改進算法和算法應用。

2.教材與教學內容。數據挖掘相關教材非常豐富，有國外原版教材和國內教材，還有一些國內學者的手筆。這些教材涵蓋內容大體一致，重點講解各種數據挖掘方法。我校數據挖掘課程主要面向計算機專業和信管專業，理論講授36學時，選用韓家煒著《數據挖掘概念與技術》教材。該教材共13章，由于課時限制，我們只講解前11章，以普及基本算法作為本科生的教學目標，每一章只介紹基本概念和基本算法，較深內容作為學生課后學習資料。教學內容總體分為三部分：第一部分，數據挖掘引論，對應教材第一章，以經典案例啤酒與尿布引出數據挖掘，介紹基本技術、相關知識和應用背景（3學時）。第二部分，數據處理，對應教材第二章至第五章，介紹數據特征、數據預處理、數據倉庫、OLAP和數據立方技術（6學時）。第三部分，數據挖掘算法，這是本課程的重點，要求學生掌握最基本的算法，能使用面向對象程序語言實現，對應教材第六章至第十一章。第六、七章介紹挖掘大型數據集中的頻繁模式、關聯和相關性的方法（9學時）；第八、九章介紹數據分類方法，包括決策樹歸納、貝葉斯分類和基于規則的分類等（9學時）；第十、十一章介紹聚類基本概念和方法，包括基本聚類分析方法的概述、劃分方法和層次方法（9學時）。

四、實驗教學

數據挖掘是一門重應用的課程，實驗是其教學過程中的一個重要環節。數據挖掘在理論上，注重各類挖掘算法的構造、算法的效率分析與評估以及算法的改進，因此給人以深奧、抽象的感覺；實踐中，數據挖掘中的多數挖掘技術和算法都封裝成軟件，非常貼近于實際生活。目前比較著名的商用數據挖掘軟件包括SPSS Clementine、SAS Enterprise Miner、IBM Intelligent Miner、SQL Server 2005 Data Mining、Oracle DM等。這些軟件都能夠提供常規的挖掘過程和挖掘模式。開源的數據挖掘工具則有Weka、Rapid-Miner（YALE）、ARMiner以及AlphaMiner等。我們使用WEKA作為實驗教學軟件，實驗項目和學時分配見表1。

五、課程設計

課程設計的目標是在前期理論學習和實驗的基礎上，進一步鞏固所學知識，將所學應用到實踐中，檢驗理論學習的效果，提高學生的知識運用能力。我們在具體實施的時候，將學生以小組形式進行劃分，每組四名同學，選定一個主題，對具體挖掘項目進行分析、設計與實現。從而更好的掌握數據挖掘系統的開發過程和步驟以及各階段的內容、開發方法和開發工具，為畢業設計和今后工作打下基礎。按照數據挖掘流程，課程設計包括如下內容：①確定挖掘主題和方法，根據挖掘主題和目標，確定合適的挖掘方法。利用中醫院校背景優勢，我們給學生提供了大量真實數據，有中藥數據、方劑數據、醫案數據等作為應用背景。②數據選擇和預處理，根據所收集數據，填充缺失值，平滑噪聲，消除異常，解決數據不一致等問題。對于中醫數據來說，由于數據多來源于古代文獻，所以存在很多不規范，一詞多義、多詞一義的現象普遍存在。比如對于藥物“陳皮”，有很多其他名稱，如“橘皮”、“貴老”、“黃橘皮”、“紅皮”、“橘子皮”、“廣橘皮”等；對于癥狀“惡寒”，很多文獻中又稱為“畏冷”、“畏寒”，這需要學生在老師指導下進行大量的數據預處理。③數據挖掘方法實現，規劃挖掘過程，選取合適的數據挖掘模式，確定數據挖掘算法，比如對于中醫方劑配伍規律挖掘，可采用關聯規則算法；對于藥物成分分析，可采用聚類算法；對于中藥功效研究，可采用神經網絡算法。④模式的可視化表達與解釋，根據應用領域的信息和知識需求，以直觀有效的形式顯示數據挖掘模式，用特定領域的知識加以解釋，便于用戶理解和接受。如得出“當出現發熱、惡寒、咳嗽等癥狀時，宜用麻黃湯”這樣的規則。在課程設計結束時，我們不僅要求學生完成以上內容，還要以軟件工程報告的形式上交相應文檔，以答辯的形式對設計進行陳述。這樣不僅有助于學生進一步掌握數據挖掘知識，還鍛煉了學生項目設計、開發能力以及團隊合作能力。

本文以突出課程的實用性和應用性為出發點，從課程教學、實驗設置、課程設計層面探討了該課程的教學方法，使學生能將所學知識真正運用于實踐中。當然，數據挖掘是一門新興的學科，在中醫院校開設此類課程也屬于新的嘗試，很多教學方法及內容尚處于探索階段，在今后的工作中，應從教學模式、教學理念、教學手段等方面對課程進行不斷更新和改革。

參考文獻：

[1]Jiawei Han，Micheline Kamber.Data Mining concept and Techniques[M].北京：機械工業出版社，2007.

[2]劉云霞.統計學專業本科生開設“數據挖掘”課程的探討[J].吉林工程技術師范學院學報，2010，l26（6）：20-22.

基金項目：江蘇省中醫藥局科技項目“基于數據挖掘技術的中藥水提液分析方法研究”（LZ11203）；南京中醫藥大學重點培育學科“軟件工程”項目

作者簡介：佘侃侃（1982-），女，博士，講師。