随着互联网技术的迅猛发展,以及不断扩大的数据库规模,数据挖掘技术在中医学中的应用也变得越来越突出。中医学中一个重要的组成部分是方剂学,它是中医基础理论与临床的纽带。目前采用关联规则挖掘技术把方剂属性间的关系客观的展示出来,加深人们对中医方剂的认识,为中医学者提供理论支持和知识参考。本文将基于约束的方法引入到关联规则算法改进中,提出了一种基于约束的关联规则挖掘算法BCApriori(Based on Control Apriori)方法。BCApriori算法通过计算最小支持度产生候选集和频繁集,去掉不包含后件属性的关联项,进而对满足限定后件属性的关联项予以保留,减少了由于数据量大寻求目标数据耗费大量时间的问题。主要工作概括如下:(1)对Apriori算法进行改进,设计了BCApriori算法。将基于约束的理论机制引进算法,对频繁项集及规则后件进行约束,去掉不符合后件属性条件的频繁项。有效的减少了频繁项的数量,节省了时间。(2)用IBM数据生成器生成测试数据集,对算法做参数敏感性分析。收集了来自《方剂学》和《中药学》中的中医数据,并将收集到的中药数据进行预处理,规范化病症名称以及模糊化药剂量。将BCAprior算法应用到方剂功效和中药配伍分析中,分别对功效以及病症进行约束,减少了频繁项目集,为快速找到功效的相关项以及病症的中药配伍规则提供了方便。(3)将该改进算法应用到方剂属性分析的实际问题中并进行了实验。实验结果表明,BCApriori算法对挖掘方剂属性间关联关系具有可行性。它较快的挖掘出了方剂属性间的关联规则。