基于Ap rio ri改進算法的中藥處方分析技術

滕璐靈，宋 堯，張寶林

甘肅省中醫院，甘肅 蘭州 730050

在中醫醫院，HIS系統數據庫里的中藥處方數據是極其寶貴的，對中醫處方數據的分析，可以得到中醫師針對不同患者開具的中醫處方用藥規律，可對今后同類病癥的治療起到輔助參考的作用。因此本研究以關聯規則挖掘為模型，設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聯規則頻繁項集的算法。其核心是基于兩階段頻集思想的遞推算法。算法需要對數據集進行多步處理，第一步，簡單統計所有含有一個元素項目集出現的頻率，并找出不小于最小支持度的項目集；從第二步開始循環處理直到再沒有最大項目集生成。循環過程是：第n步中，根據第n-1步生成的(n-1)維最大項目集產生m維候選項目集，然后對數據庫進行搜索，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聯規則模型為依據，在給定中醫數據集中進行頻繁項集的搜索［2］，應用最小支持度計數閾值為度量標準從候選集中查找頻繁項集。關聯規則在D中的支持度(suppor t)是D中事務同時包含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中藥處方分析的關鍵，采用查找頻繁項集的經典算法——Apriori算法為核心進行設計實現，但又通過縮小掃描事務集的范圍提高算法的執行效率。

2 中藥處方數據的預處理

數據挖掘對基礎數據的要求較高，因此數據預處理就變得尤為重要。數據的預處理通常按照以下步驟進行：

2.1 數據篩選 中藥處方分析技術的研究對象是中醫醫囑中相關中藥處方的內容，所以作為基礎數據，首先需要將中藥處方信息從醫囑信息中分離開來［3］。

2.2 數據表標準化 在標準化處理的過程中需要解決的問題是中藥藥名的統一，一味中藥可能存在不同的別名，因此在統計分析時不應作為不同的藥物來對待，需要根據中藥藥名對照表進行匹配核對。

2.3 生成中藥處方 生成中藥處方布爾值統計表與事務統計表，流程見圖1、表1—5。

圖1 生成布爾值統計表與事務統計表的流程

表1 中醫診斷類別定義

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計

表5 中藥處方事務統計

3 中藥處方分析算法設計

以上得到的中藥處方事務統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，對表中的記錄進行進一步分析［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行情況

通過輸入不同的中醫診斷編碼，可以得到不同病癥的中藥處方分析數據。首先篩選出中醫診斷中痹癥的中藥處方部分事務，結合這些數據說明算法的實際應用，見附圖1。

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

將事務編號進行替換后得到中藥藥物名稱的規則記錄表，見表6。

表6 轉換后的規則記錄

5 討論

傳統的Apriori算法在候選項集進行支持度計數時，每次都要對原事務表進行掃描，原事務表中的數據往往較巨大，導致該算法效率低下，因此在中藥處方分析算法中，設置了“藥物個數”字段，記錄每張處方中包含的中藥藥物個數，在進行候選集支持度計數時，只針對“藥物個數”＞=3的記錄進行掃描，以提高算法的執行效率。

附圖1 頻繁項集生成過程

［1］ Jiawei Han，Michel ine Kamber.數據挖掘概念與技術［M］.范明，孟小峰，譯.北京：機械工業出版社，2007：133.

［2］ 李凌艷，李認書，孫鶴.數據挖掘技術在中藥研究中的應用［J］.中草藥，2010，41(5)：I0016-I0018.

［3］ 錢增瑾，辛燕.中醫藥數據預處理方法的設計與實現［J］.計算機工程與設計，2005，26（12）：3199-3200.

［4］ 丁一琦.基于Apriori算法的數據挖掘技術研究［J］.現代計算機，2012(24)：20-22.