面向中醫(yī)處方的關聯規(guī)則挖掘模型改進與應用研究.pdf

1、目的：
　　本課題從中醫(yī)處方藥物的配伍規(guī)律以及劑量入手，通過改進關聯規(guī)則挖掘模型，探索針對真實世界用藥規(guī)律研究的數據挖掘新方法。
　　方法：
　　通過文獻調研，全面了解中醫(yī)處方數據挖掘和關聯規(guī)則技術的研究現狀；結合藥物平均劑量與藥物配伍減毒增效關系，分別構建基于藥物平均劑量和基于藥物配伍減毒增效關系的加權支持度；參照跨行業(yè)數據挖掘流程標準，結合改進的支持度，使用Python實現改進的關聯規(guī)則模型，并構建基于Django

2、框架的中醫(yī)處方數據挖掘仿真平臺；在示范研究中，利用 ETL技術清洗原始數據以生成模型的輸入數據集；分別使用 SPSS Modeler、Weka與自行構建的仿真平臺進行挖掘實驗，分析對比改進前后的挖掘模型，論證本課題基于加權改進的關聯規(guī)則挖掘模型的有效性。
　　結果：
　　1．通過納入處方藥物劑量特征和藥物配伍減毒增效關系，改進現有中醫(yī)處方關聯規(guī)則挖掘模型，分別構建了基于藥物平均劑量和基于藥物配伍減毒增效關系的加權模型：

3、>　　（1）基于藥物平均劑量的權值公式：w1=min(dosecf(herb)>dosejz(T, herb)?2:1，…)
　?。?）基于藥物配伍減毒增效關系的權值公式：w2=ZXTable. contains(set)?2:1
　　2．改進后的模型在實驗階段相對傳統模型，生成了更多的頻繁項集，以及較之前更少的規(guī)則，即改進的模型提高了挖掘結果的凝練度。
　　3．構建了基于開源語言Python的Web框架（Django

4、）的中醫(yī)處方數據挖掘仿真平臺，通過該平臺可以通過少量簡單操作快速實現原來較為繁瑣的挖掘過程。
　　4．結合可視化技術，利用Gephi軟件展示頻繁項集和有效規(guī)則的網絡圖，利用Python生成關鍵藥物條件FP樹，提升了挖掘結果的可讀性。
　　結論：
　　本課題通過納入中醫(yī)處方藥物的劑量特征和藥物配伍減毒增效關系，構建加權支持度并改進傳統關聯規(guī)則挖掘模型。新構建的兩種模型在實驗階段獲得的挖掘結果較傳統模型更為凝練。此外，本課