分类算法在活血化瘀类药物挖掘中的应用

马亮

摘要：[目的]分析和探讨分类算法在活血化瘀类药物挖掘中的应用。[方法]从收集整理的中药数据库中抽取部分数据进行分类实验，测试Naive Bayes算法和支持向量机算法的分类准确率，寻找药物分类规律和药效特征。[结果]分类算法得到的分类准确率较高，部分类别有鲜明的分类特征。[结论] 分类算法有助于活血化瘀类药物药效分类。

关键词：活血化瘀；药物分类；药理作用

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）14-0008-02

Abstract： [Objective] This paper investigates and discusses the application of classification algorithm in blood-activating and stasis-dissolving drugs mining. [Method] It extracts part of the data in Chinese traditional medicine database to carry out classification experiment using Naive Bayes algorithm and the support vector machine algorithm，analyzes the accuracy， then finds drug classification rules and pharmacological characteristics.[Results] Classification algorithms are effective， and some categories have distinctive taxonomic characteristics. [Conclusion] The classification algorithm helps blood-activating and stasis-dissolving drugs efficacy classification.

Key words： Blood-activating and Stasis-dissolving； Drugs Classification； Pharmacological Effects

气滞或血虚容易造成血行不畅，严重的情况下会凝滞而形成淤血， 淤血形成后可能会影响全身气血运行，因此在中医临床方面经常采用活血化瘀疗法。《内经》中曾经提到“血实者宜决之”，该治疗方法就是典型的活血化瘀观点。活血化瘀理论在后续不断被创新，产生了很多经典的医方，例如《医林改错》 [1]。《医林改错》在气血理论、脏腑结构、活血化瘀方药的运用等方面贡献多[2-6]。

活血化瘀类药物具有改善心血管作用、抗癌的作用、镇痛的作用、抗菌消炎的作用、调节免疫功能的作用等药理作用，被广泛应用于心脑血管疾病、肝硬化等数十种临床疾病，疗效较好。该类药物种类繁多，本文采用数据挖掘中的分类算法对活血化瘀类药物进行分类，探求该类药物的分类规律以及相互关系。本文第二部分描述了数据分类算法，第三部分是分类算法在活血化瘀类药物数据分类中的实验结果分析，第四部分是结论。

1 数据分类算法

数据分类算法在数据挖掘、信息组织与管理、内容信息过滤等领域都有广泛的应用，分类算法有很多种，如贝叶斯（Naive Bayes）方法[7]、支持向量机（Support Vector Machine）算法[8]、还有决策树（Decision Tree）方法[9]等。

1.1 Naive Bayes算法

3 结论

Naive Bayes算法和支持向量机算法在活血化瘀类药物挖掘中有可行性，如果分类算法的训练样本更大，准确性可能会更高，这将有助于活血化瘀类药物自动分类。由此也可以知道活血化瘀类药有多种类别，目前市场上活血化瘀类中药品种繁多，药效各异，在使用过程中应仔细询问病人症状、病史及过敏史， 严格遵守说明书的用法用量和适用范围， 切不可盲目开药。

参考文献：

[1] 罗馨媚，杜永华. 浅谈活血化瘀理论及源流[J]. 内蒙古中医药， 2013（18）：161.

[2] 李冀，王烨燃. 王清任活血化瘀法用药特点探析[J]. 辽宁中医杂志， 2008， 35（6）：826.

[3] 赵泽恩， 宋琳. 试论王清任活血化瘀法及其临床运用[J]. 内蒙古中医药， 2010 （05）：40.

[4] 王锋， 孙德舜. 浅析王清任活血化瘀法[J]. 中医药通报， 2011 （06） ：33.

[5] 逄艳. 王清任活血化瘀法浅析[J]. 河北中医， 2009，31（7）：1076.

[6] 陈雪林， 王根民. 王清任.《医林改错》气虚血瘀理论刍议[J]. 中国中医急症， 2010，19（4）：646 .

[7] Fuchun Peng， Dale Schuurmans. Combining Naive Bayes and N-Gram Language Models for Text Classification[C]. Proceedings of The 25th European Conference on Information Retrieval Research （ECIR03）， 2003.

[8]丁世飞， 齐丙娟， 谭红艳. 支持向量机理论与算法研究综述[J].电子科技大学学报， 2011，40 （9）：2.

[9] 冯少荣. 决策树算法的研究与改进[J]. 厦门大学学报： 自然科学版， 2007， 46（4）：496.