论文部分内容阅读
目的本课题从中医处方药物的配伍规律以及剂量入手,通过改进关联规则挖掘模型,探索针对真实世界用药规律研究的数据挖掘新方法。方法通过文献调研,全面了解中医处方数据挖掘和关联规则技术的研究现状;结合药物平均剂量与药物配伍减毒增效关系,分别构建基于药物平均剂量和基于药物配伍减毒增效关系的加权支持度;参照跨行业数据挖掘流程标准,结合改进的支持度,使用Python实现改进的关联规则模型,并构建基于Django框架的中医处方数据挖掘仿真平台;在示范研究中,利用ETL技术清洗原始数据以生成模型的输入数据集;分别使用SPSS Modeler、Weka与自行构建的仿真平台进行挖掘实验,分析对比改进前后的挖掘模型,论证本课题基于加权改进的关联规则挖掘模型的有效性。结果1.通过纳入处方药物剂量特征和药物配伍减毒增效关系,改进现有中医处方关联规则挖掘模型,分别构建了基于药物平均剂量和基于药物配伍减毒增效关系的加权模型:（1）基于药物平均剂量的权值公式:w1=min（dosecf（herb）＞dosejz （T,herb）?2:1,…）（2）基于药物配伍减毒增效关系的权值公式:w2=ZXTable.contains（set）?2:12.改进后的模型在实验阶段相对传统模型,生成了更多的频繁项集,以及较之前更少的规则,即改进的模型提高了挖掘结果的凝练度。3.构建了基于开源语言Python的Web框架（Django）的中医处方数据挖掘仿真平台,通过该平台可以通过少量简单操作快速实现原来较为繁琐的挖掘过程。4.结合可视化技术,利用Gephi软件展示频繁项集和有效规则的网络图,利用Python生成关键药物条件FP树,提升了挖掘结果的可读性。结论本课题通过纳入中医处方药物的剂量特征和药物配伍减毒增效关系,构建加权支持度并改进传统关联规则挖掘模型。新构建的两种模型在实验阶段获得的挖掘结果较传统模型更为凝练。此外,本课题结合可视化技术展示模型挖掘结果,增强了挖掘结果的可读性。因此,本课题探索的基于加权改进关联规则模型这一新方法是对中医临床用药规律研究的一种有效尝试,具有较大实用价值。