基于Ap rio ri改进算法的中药处方分析技术

滕璐灵，宋 尧，张宝林

甘肃省中医院，甘肃 兰州 730050

在中医医院，HIS系统数据库里的中药处方数据是极其宝贵的，对中医处方数据的分析，可以得到中医师针对不同患者开具的中医处方用药规律，可对今后同类病症的治疗起到辅助参考的作用。因此本研究以关联规则挖掘为模型，设计了中药处方分析算法。

1 中药处方分析的基本原理

Apriori算法是一种挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。算法需要对数据集进行多步处理，第一步，简单统计所有含有一个元素项目集出现的频率，并找出不小于最小支持度的项目集；从第二步开始循环处理直到再没有最大项目集生成。循环过程是：第n步中，根据第n-1步生成的(n-1)维最大项目集产生m维候选项目集，然后对数据库进行搜索，得到候选项目集的项集支持度，与最小支持度比较，从而找到n维最大项目集［1］。

中药处方分析算法是以关联规则模型为依据，在给定中医数据集中进行频繁项集的搜索［2］，应用最小支持度计数阈值为度量标准从候选集中查找频繁项集。关联规则在D中的支持度(suppor t)是D中事务同时包含X、Y的百分比，即概率；置信度(conf idence)是包含X的事务中同时又包含Y的百分比，即条件概率。

查找频繁项集是实现中药处方分析的关键，采用查找频繁项集的经典算法——Apriori算法为核心进行设计实现，但又通过缩小扫描事务集的范围提高算法的执行效率。

2 中药处方数据的预处理

数据挖掘对基础数据的要求较高，因此数据预处理就变得尤为重要。数据的预处理通常按照以下步骤进行：

2.1 数据筛选 中药处方分析技术的研究对象是中医医嘱中相关中药处方的内容，所以作为基础数据，首先需要将中药处方信息从医嘱信息中分离开来［3］。

2.2 数据表标准化 在标准化处理的过程中需要解决的问题是中药药名的统一，一味中药可能存在不同的别名，因此在统计分析时不应作为不同的药物来对待，需要根据中药药名对照表进行匹配核对。

2.3 生成中药处方 生成中药处方布尔值统计表与事务统计表，流程见图1、表1—5。

图1 生成布尔值统计表与事务统计表的流程

表1 中医诊断类别定义

表2 中药药物信息定义

表3 中药处方信息定义

表4 中药处方药物布尔值统计

表5 中药处方事务统计

3 中药处方分析算法设计

以上得到的中药处方事务统计表不是真正需要的有价值的信息，还需要通过中药处方分析算法，对表中的记录进行进一步分析［4］，主要流程见图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=所有频繁集;

4 中药处方分析中的算法运行情况

通过输入不同的中医诊断编码，可以得到不同病症的中药处方分析数据。首先筛选出中医诊断中痹症的中药处方部分事务，结合这些数据说明算法的实际应用，见附图1。

临时表中输出频繁项集为{I1，I15，I19，I68}。由频繁项集可产生中药处方用药规则，其置信度计算如下：

将事务编号进行替换后得到中药药物名称的规则记录表，见表6。

表6 转换后的规则记录

5 讨论

传统的Apriori算法在候选项集进行支持度计数时，每次都要对原事务表进行扫描，原事务表中的数据往往较巨大，导致该算法效率低下，因此在中药处方分析算法中，设置了“药物个数”字段，记录每张处方中包含的中药药物个数，在进行候选集支持度计数时，只针对“药物个数”＞=3的记录进行扫描，以提高算法的执行效率。

附图1 频繁项集生成过程

［1］ Jiawei Han，Michel ine Kamber.数据挖掘概念与技术［M］.范明，孟小峰，译.北京：机械工业出版社，2007：133.

［2］ 李凌艳，李认书，孙鹤.数据挖掘技术在中药研究中的应用［J］.中草药，2010，41(5)：I0016-I0018.

［3］ 钱增瑾，辛燕.中医药数据预处理方法的设计与实现［J］.计算机工程与设计，2005，26（12）：3199-3200.

［4］ 丁一琦.基于Apriori算法的数据挖掘技术研究［J］.现代计算机，2012(24)：20-22.