基于Ap rio ri改進(jìn)算法的中藥處方分析技術(shù)

滕璐靈，宋 堯，張寶林

甘肅省中醫(yī)院，甘肅 蘭州 730050

在中醫(yī)醫(yī)院，HIS系統(tǒng)數(shù)據(jù)庫里的中藥處方數(shù)據(jù)是極其寶貴的，對中醫(yī)處方數(shù)據(jù)的分析，可以得到中醫(yī)師針對不同患者開具的中醫(yī)處方用藥規(guī)律，可對今后同類病癥的治療起到輔助參考的作用。因此本研究以關(guān)聯(lián)規(guī)則挖掘為模型，設(shè)計了中藥處方分析算法。

1 中藥處方分析的基本原理

Apriori算法是一種挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法。其核心是基于兩階段頻集思想的遞推算法。算法需要對數(shù)據(jù)集進(jìn)行多步處理，第一步，簡單統(tǒng)計所有含有一個元素項目集出現(xiàn)的頻率，并找出不小于最小支持度的項目集；從第二步開始循環(huán)處理直到再沒有最大項目集生成。循環(huán)過程是：第n步中，根據(jù)第n-1步生成的(n-1)維最大項目集產(chǎn)生m維候選項目集，然后對數(shù)據(jù)庫進(jìn)行搜索，得到候選項目集的項集支持度，與最小支持度比較，從而找到n維最大項目集［1］。

中藥處方分析算法是以關(guān)聯(lián)規(guī)則模型為依據(jù)，在給定中醫(yī)數(shù)據(jù)集中進(jìn)行頻繁項集的搜索［2］，應(yīng)用最小支持度計數(shù)閾值為度量標(biāo)準(zhǔn)從候選集中查找頻繁項集。關(guān)聯(lián)規(guī)則在D中的支持度(suppor t)是D中事務(wù)同時包含X、Y的百分比，即概率；置信度(conf idence)是包含X的事務(wù)中同時又包含Y的百分比，即條件概率。

查找頻繁項集是實現(xiàn)中藥處方分析的關(guān)鍵，采用查找頻繁項集的經(jīng)典算法——Apriori算法為核心進(jìn)行設(shè)計實現(xiàn)，但又通過縮小掃描事務(wù)集的范圍提高算法的執(zhí)行效率。

2 中藥處方數(shù)據(jù)的預(yù)處理

數(shù)據(jù)挖掘?qū)A(chǔ)數(shù)據(jù)的要求較高，因此數(shù)據(jù)預(yù)處理就變得尤為重要。數(shù)據(jù)的預(yù)處理通常按照以下步驟進(jìn)行：

2.1 數(shù)據(jù)篩選 中藥處方分析技術(shù)的研究對象是中醫(yī)醫(yī)囑中相關(guān)中藥處方的內(nèi)容，所以作為基礎(chǔ)數(shù)據(jù)，首先需要將中藥處方信息從醫(yī)囑信息中分離開來［3］。

2.2 數(shù)據(jù)表標(biāo)準(zhǔn)化 在標(biāo)準(zhǔn)化處理的過程中需要解決的問題是中藥藥名的統(tǒng)一，一味中藥可能存在不同的別名，因此在統(tǒng)計分析時不應(yīng)作為不同的藥物來對待，需要根據(jù)中藥藥名對照表進(jìn)行匹配核對。

2.3 生成中藥處方 生成中藥處方布爾值統(tǒng)計表與事務(wù)統(tǒng)計表，流程見圖1、表1—5。

圖1 生成布爾值統(tǒng)計表與事務(wù)統(tǒng)計表的流程

表1 中醫(yī)診斷類別定義

表2 中藥藥物信息定義

表3 中藥處方信息定義

表4 中藥處方藥物布爾值統(tǒng)計

表5 中藥處方事務(wù)統(tǒng)計

3 中藥處方分析算法設(shè)計

以上得到的中藥處方事務(wù)統(tǒng)計表不是真正需要的有價值的信息，還需要通過中藥處方分析算法，對表中的記錄進(jìn)行進(jìn)一步分析［4］，主要流程見圖2：

L1=f ind_f requent_1-itemsets(D);

for(k=2;Lk-1≠Φ;k++){Ck=apriori(Lk-1,min_sup);

for each t ransaction t∈D{Ct=subset(Ck,t);

for each candidate c∈Ctc.count++;}

Lk={c∈Ck|c.count≥min_sup}}

return L=所有頻繁集;

4 中藥處方分析中的算法運(yùn)行情況

通過輸入不同的中醫(yī)診斷編碼，可以得到不同病癥的中藥處方分析數(shù)據(jù)。首先篩選出中醫(yī)診斷中痹癥的中藥處方部分事務(wù)，結(jié)合這些數(shù)據(jù)說明算法的實際應(yīng)用，見附圖1。

臨時表中輸出頻繁項集為{I1，I15，I19，I68}。由頻繁項集可產(chǎn)生中藥處方用藥規(guī)則，其置信度計算如下：

將事務(wù)編號進(jìn)行替換后得到中藥藥物名稱的規(guī)則記錄表，見表6。

表6 轉(zhuǎn)換后的規(guī)則記錄

5 討論

傳統(tǒng)的Apriori算法在候選項集進(jìn)行支持度計數(shù)時，每次都要對原事務(wù)表進(jìn)行掃描，原事務(wù)表中的數(shù)據(jù)往往較巨大，導(dǎo)致該算法效率低下，因此在中藥處方分析算法中，設(shè)置了“藥物個數(shù)”字段，記錄每張?zhí)幏街邪闹兴幩幬飩€數(shù)，在進(jìn)行候選集支持度計數(shù)時，只針對“藥物個數(shù)”＞=3的記錄進(jìn)行掃描，以提高算法的執(zhí)行效率。

附圖1 頻繁項集生成過程

［1］ Jiawei Han，Michel ine Kamber.數(shù)據(jù)挖掘概念與技術(shù)［M］.范明，孟小峰，譯.北京：機(jī)械工業(yè)出版社，2007：133.

［2］ 李凌艷，李認(rèn)書，孫鶴.數(shù)據(jù)挖掘技術(shù)在中藥研究中的應(yīng)用［J］.中草藥，2010，41(5)：I0016-I0018.

［3］ 錢增瑾，辛燕.中醫(yī)藥數(shù)據(jù)預(yù)處理方法的設(shè)計與實現(xiàn)［J］.計算機(jī)工程與設(shè)計，2005，26（12）：3199-3200.

［4］ 丁一琦.基于Apriori算法的數(shù)據(jù)挖掘技術(shù)研究［J］.現(xiàn)代計算機(jī)，2012(24)：20-22.