基于改進(jìn)FP_Growth算法的中藥方劑配伍規(guī)律挖掘研究

董 輝

（1.合肥工業(yè)大學(xué)，安徽 合肥 230001；2.亳州職業(yè)技術(shù)學(xué)院，安徽 亳州 236800）

基于改進(jìn)FP_Growth算法的中藥方劑配伍規(guī)律挖掘研究

董 輝1,2

（1.合肥工業(yè)大學(xué)，安徽 合肥 230001；2.亳州職業(yè)技術(shù)學(xué)院，安徽 亳州 236800）

中藥方劑即中藥復(fù)方，在中醫(yī)藥科學(xué)中占有舉足輕重的地位，我國已積累中藥方劑達(dá)十余萬首，而如何利用這一巨大的方劑庫，開發(fā)研制新的安全有效地方劑，是一亟待解決的問題.數(shù)據(jù)挖掘技術(shù)的出現(xiàn)及利用這一技術(shù)對中藥方劑配伍規(guī)律進(jìn)行發(fā)掘，既能大力推動(dòng)了我國中醫(yī)信息化建設(shè)，又可快速發(fā)現(xiàn)隱含在方劑庫中的重要的知識，也能為中醫(yī)學(xué)走向世界提供強(qiáng)有力的技術(shù)支持，因此對中藥方劑進(jìn)行數(shù)據(jù)挖掘不僅是有必要的，更具有實(shí)際意義.

數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；中藥方劑；FP-Growth算法

中醫(yī)藥學(xué)經(jīng)數(shù)千年發(fā)展與實(shí)踐，已形成完整的醫(yī)療體系，作為中醫(yī)藥科學(xué)核心部分的中藥方劑有十多萬首，是我國中醫(yī)藥實(shí)踐經(jīng)驗(yàn)和智慧的結(jié)晶，載錄了中藥組方用藥的原理、規(guī)則和經(jīng)驗(yàn)技巧，也包含已知和未知的方劑配伍規(guī)律，另外中藥方劑的本質(zhì)特征如整體性、辯證性、動(dòng)態(tài)性等過于抽象，有時(shí)也定量和具體的把握，所有這些都需我們繼續(xù)研究探索.數(shù)據(jù)挖掘技術(shù)的發(fā)展與成熟，為我們研究中藥方劑配伍規(guī)律等方面提供強(qiáng)大的技術(shù)支持，發(fā)揮日益重要的作用.關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘非常重要一種類型，F(xiàn)P-Growth算法是實(shí)現(xiàn)關(guān)聯(lián)規(guī)則挖掘經(jīng)典算法，本文在分析此算法的基礎(chǔ)上，提出FP-Growth是法改進(jìn)，并用這一算法對中藥方劑配伍規(guī)律進(jìn)行分析挖掘，希望為我國中醫(yī)藥發(fā)展和方劑應(yīng)用提供一定參考.

1 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘

1.1 關(guān)聯(lián)規(guī)則挖掘

數(shù)據(jù)挖掘是近30年來逐步發(fā)展起來的一個(gè)新的研究領(lǐng)域，是多學(xué)科和技術(shù)相結(jié)合的產(chǎn)物，被廣泛的應(yīng)用于政府決策、企業(yè)經(jīng)營、科學(xué)探討和醫(yī)學(xué)研究等各個(gè)領(lǐng)域，為促進(jìn)社會各方面的發(fā)展發(fā)揮重要的作用.關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的眾多知識類型中最為典型的一種，在醫(yī)學(xué)領(lǐng)域有著廣泛的應(yīng)用.

關(guān)聯(lián)規(guī)則用于表示OLTP數(shù)據(jù)庫中諸多屬性（項(xiàng)集）之間的關(guān)聯(lián)程度，是利用數(shù)據(jù)庫中的大量數(shù)據(jù)通過關(guān)聯(lián)算法尋找屬性間的相關(guān)性.關(guān)聯(lián)規(guī)則挖掘的問題描述如下：

設(shè) I={I1，I2，…，Im}是數(shù)據(jù)項(xiàng)的集合，D={T1，T2，…，Tn}是一個(gè)事務(wù)數(shù)據(jù)庫,其中每個(gè)事務(wù)T是數(shù)據(jù)項(xiàng)集I的子集即TI，每個(gè)事務(wù)T有一個(gè)標(biāo)識符TID與之相關(guān).如果I的一個(gè)子集X滿足XT，則稱事務(wù)T包含項(xiàng)目集X.一個(gè)關(guān)聯(lián)規(guī)則就是形如 X=>Y的蘊(yùn)涵式，XI、YI、X∩Y=Φ.其意義在于一個(gè)事務(wù)中某些項(xiàng)的出現(xiàn)，可推導(dǎo)出另一些項(xiàng)在同一事務(wù)中也出現(xiàn)，此處，“=>”稱為“關(guān)聯(lián)”操作，X稱為關(guān)聯(lián)規(guī)則的先決條件，Y稱為關(guān)聯(lián)規(guī)則的結(jié)果.例如：中藥方劑配伍中，使用中藥A的的方劑，必然有90%以上會同時(shí)使用中藥B，則可用關(guān)聯(lián)規(guī)則R表示為：R:A=>B.支持度(Support)和置信度(Confidence)是關(guān)聯(lián)規(guī)則中重要的概念，支持度(Support)是形如在方劑中同時(shí)使用中藥A和中藥B的方劑數(shù)占總方劑數(shù)的百分比；而置信度(Confidence)是形如同時(shí)所有中藥A和B的方劑數(shù)占使用中藥A的方劑數(shù)的百分比稱為規(guī)則的置信度.前者用于衡量關(guān)聯(lián)規(guī)則在整個(gè)數(shù)據(jù)集中的統(tǒng)計(jì)重要性，后者用于衡量關(guān)聯(lián)規(guī)則的可信程度，他們的公式分別式（1）和式（2）：

在實(shí)際應(yīng)用中，支持度和置信度均較高的關(guān)聯(lián)才可作為有用的關(guān)聯(lián)規(guī)則，稱之為最小支持度閾值(min_sup)和最小置信度閾值(min_conf)，min_sup表示數(shù)據(jù)項(xiàng)在統(tǒng)計(jì)意義下的最低重要性，只有滿足min_sup的數(shù)據(jù)項(xiàng)集才在關(guān)聯(lián)規(guī)則中出現(xiàn)，稱之為頻繁項(xiàng)集；最小置信度則表示關(guān)聯(lián)規(guī)則的最低可靠度.滿足大于min_sup和min_conf的規(guī)則稱為強(qiáng)規(guī)則，關(guān)聯(lián)規(guī)則挖掘的任務(wù)就是發(fā)現(xiàn)所有頻繁項(xiàng)集，挖掘出事務(wù)數(shù)據(jù)庫D中所有的強(qiáng)規(guī)則.

1.2 FP-Growth算法改進(jìn)

FP-Growth算法是韓家瑋等人提出的基于FP-Tree增長樹的著名算法，該算法在不產(chǎn)生候選集的情況下，提供了良好的頻繁模式挖掘過程，性能比Apriori算法有所提高.但FP-Growth算法隨著遞歸調(diào)用的深入，產(chǎn)生的條件FP-Tree越來越多，特別是在有共享前綴的情況下，F(xiàn)P-Growth算法非常耗時(shí)，為了解決這一問題，本文提出對FP-Growth算法的改進(jìn)，命為FP-growth*算法.

FP-Growth*算法的思想是：減少搜索共享前綴的時(shí)間達(dá)到減少生成FP-Tree的時(shí)間，以提高了挖掘效率，即在存在共享前綴的條件下，遍歷節(jié)點(diǎn)的第一個(gè)子女節(jié)點(diǎn)就發(fā)現(xiàn)共享前綴.其挖掘步驟如下：

(1)頻繁1-項(xiàng)集排序：描事務(wù)數(shù)據(jù)庫D一次，生成頻繁1-項(xiàng)集及每個(gè)頻繁項(xiàng)集的支持度，按支持度降序排序，結(jié)果為L；

(2)事務(wù)項(xiàng)重排序：按照頻繁項(xiàng)表L的次序?qū)κ聞?wù)數(shù)據(jù)庫項(xiàng)排序，生成事務(wù)數(shù)據(jù)庫D1；

(3)事務(wù)集再排序：按照L的次序?qū)1的整個(gè)數(shù)據(jù)集再排序，即先對事務(wù)集的首列按L的次序排序，之后在此基礎(chǔ)上對事務(wù)集的次列再按L的次序排序，依次類推到數(shù)據(jù)集的終列得到排序數(shù)據(jù)集D2；

(4)構(gòu)造FP-Tree條件：創(chuàng)建以“null”為標(biāo)記的根節(jié)點(diǎn)，掃描D2，對其中每個(gè)事務(wù)調(diào)用insert_tree(P,T)過程，生成FP-Tree.

(5)挖掘FP-Tree：遞歸調(diào)用FP-Growth算法，挖掘FP-Tree,得到頻繁項(xiàng)集.

1.3 FP-growth*算法實(shí)驗(yàn)分析

在相同的計(jì)算機(jī)軟硬件系統(tǒng)中，隨著數(shù)據(jù)集數(shù)目的增加，改進(jìn)后的算法生成FP-Tree時(shí)間明顯的減少，效率較高.根據(jù)實(shí)驗(yàn)分析，當(dāng)數(shù)據(jù)集數(shù)目較大時(shí)，采用FP-growth*算法挖掘效率提高20%左右，如圖1所示：

圖1 FP-growth*與FP-Growth算法生成FP-tree比較

2 中藥方劑數(shù)據(jù)挖掘現(xiàn)狀

當(dāng)前，回歸自然健康生活是一種潮流，中醫(yī)藥作為天然藥物的典型代表，具有廣闊的發(fā)展前景.經(jīng)過幾千年的發(fā)展，中藥方劑達(dá)數(shù)十余萬首，信息量巨大，利用價(jià)值極高，早期由于缺乏科學(xué)的信息處理技術(shù)，對這一資源難以進(jìn)行系統(tǒng)深入地研究開發(fā)，致使很多方劑長期處于沉睡狀態(tài).近年來，由于數(shù)據(jù)庫技術(shù)的發(fā)展，一些科研機(jī)構(gòu)和高校建成若干中醫(yī)藥相關(guān)中大型數(shù)據(jù)庫，初步滿足了中醫(yī)藥界文獻(xiàn)檢索的需要，也為建立中藥方劑數(shù)據(jù)挖掘系統(tǒng)提供龐大的數(shù)據(jù)支持：如國家中醫(yī)藥管理局的“中國中醫(yī)藥信息網(wǎng)”，建成“中藥基礎(chǔ)數(shù)據(jù)庫”、“現(xiàn)代方劑數(shù)據(jù)庫”等一批中醫(yī)藥信息庫，為國內(nèi)外用戶提供全面、方便、快捷的信息查詢服務(wù).此外其他科研機(jī)構(gòu)及高校也研制出數(shù)十種中藥方劑的相關(guān)數(shù)據(jù)庫或電子型工具：如中國中醫(yī)藥信息研究所的“中醫(yī)藥數(shù)據(jù)庫檢索系統(tǒng)”、北京中醫(yī)藥大學(xué)的“中藥方劑數(shù)據(jù)庫”、上海市中醫(yī)中藥數(shù)據(jù)中心“中醫(yī)方劑數(shù)據(jù)庫”等.

中醫(yī)藥數(shù)據(jù)挖掘領(lǐng)域，已有不少專家學(xué)者對中醫(yī)方劑從不同的角度進(jìn)行研究，取得不菲的成就.其中北京中醫(yī)藥大學(xué)喬延江教授帶領(lǐng)團(tuán)隊(duì)在中藥數(shù)據(jù)挖掘多個(gè)領(lǐng)域研究和探討，在中藥方劑配伍規(guī)律、中藥方劑再優(yōu)化研究、中藥新劑型研究等諸多方面都做出了大量的貢獻(xiàn)；浙江大學(xué)以吳朝暉教授為首的CCNT實(shí)驗(yàn)室，展開中醫(yī)藥數(shù)據(jù)挖掘的深入研究，重點(diǎn)是探索藥物高頻組配和中藥聚類的問題，并完成了中醫(yī)藥數(shù)字化的基礎(chǔ)設(shè)施的建設(shè)，同時(shí)與多所高校聯(lián)合搭建了中醫(yī)藥科技數(shù)據(jù)庫群和具有17個(gè)分中心的分布式數(shù)據(jù)庫綜合訪問平臺；其他更多的科技工作者，也在做中醫(yī)藥數(shù)據(jù)挖掘方面的探討.我們有理由相信，隨著技術(shù)的進(jìn)步，中醫(yī)藥數(shù)據(jù)挖掘方面將會取得更多的研究成果，推動(dòng)中醫(yī)藥領(lǐng)域信息化水平上升到一個(gè)新的臺階.

3 FP-Growth算在中藥方劑配伍規(guī)律挖掘研究

面對十多萬首中藥方劑，本文選擇脾胃方劑作為關(guān)聯(lián)挖掘數(shù)據(jù)的來源，文中所有方劑均來自華佗中醫(yī)院臨床方劑和上海市中醫(yī)中藥數(shù)據(jù)中心《中醫(yī)方劑數(shù)據(jù)庫》.作為神醫(yī)華佗的故里，亳州自古就有“小黃城外芍藥花，十里五里生朝霞”之美譽(yù)，是聞名于世的中藥材種植和加工集散地，被收錄到《藥典》地產(chǎn)藥材就有毫芍、毫菊、毫桑皮和毫花粉，如今亳州藥材品種已發(fā)展到數(shù)百種，種植面積達(dá)100萬畝，被譽(yù)為“中華藥都”，大量的中醫(yī)藥資源為中藥方劑的發(fā)展提供了天然條件，華佗中醫(yī)院擁有大量的臨床方劑；上海中醫(yī)中藥數(shù)據(jù)中心的“中醫(yī)方劑數(shù)據(jù)庫”收錄了中藥處方達(dá)19萬個(gè)，摘錄了文獻(xiàn)中包含的方劑，數(shù)據(jù)項(xiàng)包括了方劑名、組成、劑量、主治等信息.

3.1 中藥方劑的數(shù)據(jù)處理

現(xiàn)有方劑庫的原始數(shù)據(jù)表述不規(guī)范，必須把方劑中描述性語言進(jìn)行信息轉(zhuǎn)化、分解為計(jì)算機(jī)能夠處理的數(shù)據(jù)信息，使之標(biāo)準(zhǔn)和規(guī)范，實(shí)現(xiàn)方劑數(shù)據(jù)在計(jì)算機(jī)系統(tǒng)內(nèi)的能正確表達(dá)和合理組織.用計(jì)算機(jī)數(shù)據(jù)來表達(dá)，不僅有助于對數(shù)據(jù)的深入分析及運(yùn)算，更是實(shí)現(xiàn)數(shù)據(jù)規(guī)范化和標(biāo)準(zhǔn)化的重要方式.本文數(shù)據(jù)預(yù)處理方式如下：

3.1.1 規(guī)范化數(shù)據(jù)：目的是把語義含糊、表達(dá)不規(guī)范概念詞進(jìn)行規(guī)范處理，把一詞多義單義化，把多詞一義單詞化，多概念組合詞語拆分表達(dá).

如眩暈，是指天旋地轉(zhuǎn)，頭暈等癥狀，要與單純的頭昏眼花、暈血、暈車等相區(qū)別；如發(fā)熱、大熱、夜熱等，均作發(fā)熱單一概念處理；如“清熱涼血”、“清熱燥濕”、“清熱化痰”，拆分為：清熱、涼血、燥濕、化痰4個(gè)概念詞表達(dá).

3.1.2 結(jié)構(gòu)化數(shù)據(jù)：目的是把方劑原始數(shù)據(jù)進(jìn)行合理細(xì)化和組織，以達(dá)到符合數(shù)據(jù)挖掘要求，來實(shí)現(xiàn)重點(diǎn)概念有序排列及數(shù)據(jù)間關(guān)聯(lián)結(jié)構(gòu)的形成.

方劑數(shù)據(jù)具有多種關(guān)聯(lián)，如藥藥之間、藥癥之間、功效主治之間等，“證、藥、方”是核心，“藥”是核心中的重點(diǎn)要素，它們的關(guān)系是：對“證”選“藥”配“方”.“證”由證候集組成的，“藥”含有性味、量等分別，“方”有復(fù)雜的組配關(guān)系及加減方問題.

3.1.3 數(shù)字化數(shù)據(jù)：數(shù)字比較容易表示出數(shù)據(jù)間的結(jié)構(gòu)和相互的關(guān)系，而其他文字或符號描述的數(shù)據(jù)卻不易做到，因此盡可能用數(shù)字代替包含有某種知識的文字或符號.如劑量以克為單位的數(shù)字來描述，中藥性味、毒力等也采用數(shù)字來表示.如平性取值0則偏性相應(yīng)取值如圖2：

圖2 數(shù)據(jù)的數(shù)字化表示

3.2 基于FP-Growth*算法挖掘中藥方劑配伍規(guī)律

在所收集的338首脾胃方中篩選出癥狀頻數(shù)大于25的共106首，把每首方劑認(rèn)為是一事務(wù)并有標(biāo)志碼TID，分別為:T001、T002、…、T106，方劑的每味中藥編碼為 Ii(i=1,2,3……).

所收集的脾胃方劑及其成分，部分如下：

二陳湯加味 (T001)：白術(shù) 甘草 陳皮 厚樸 茯苓半夏 蘇梗

四君子湯(T002)：白術(shù) 甘草 人參 茯苓

香砂六君子湯(T003)：白術(shù) 甘草 人參 陳皮 茯苓木香 半夏 砂仁 姜

芩連平胃湯 (T004)：甘草 陳皮 厚樸 黃芩 黃連蒼術(shù)

藿香扶脾飲 (T005)：甘草 陳皮 木香 厚樸 半夏藿香 麥芽

實(shí)脾飲(T006)：白術(shù) 甘草 厚樸 茯苓 木香 木瓜草果 檳榔 姜 制附子 大棗

歸脾湯(T007)：白術(shù) 甘草 人參 木香 茯苓 當(dāng)歸黃芪 遠(yuǎn)志 龍眼肉 酸棗仁

異功散(T008):白術(shù) 甘草 陳皮 人參 茯苓

理中丸(T009):白術(shù) 甘草 人參 姜

保元湯（T010）:白術(shù) 人參 當(dāng)歸 桂枝 黃芪 生附子

……

方劑的主要中藥編碼如下：

白術(shù) I1、甘草 I2、陳皮 I3、人參 I4、厚樸 I5、木香I6、茯苓 I7、黨參 I8、半夏 I9、當(dāng)歸 I10、獲荃 I11、白芍 I12、姜 I13、揀參 I14、蘇梗 I15、砂仁 I16、杏仁I17、黃連 I18、黃芪 I19、肉桂 I20、大棗 I21、遠(yuǎn)志I22、山藥I23、扁豆I24 龍葵I25、半邊蓮I26、豆蔻仁I27、吳茱萸I28、黑附子I29、蒼術(shù)I30、肉豆蔻I31、木瓜 I32、草果 I33、制附子 I34、龍眼肉 I35、酸棗仁 I36、藿香 I37、揀參 I38、黃芩 I39、I40、桂枝I41、生附子 I42……

建立脾胃劑事務(wù)數(shù)據(jù)庫（部分）D如圖3：

圖3 事務(wù)數(shù)據(jù)庫D（部分）

根據(jù)事務(wù)數(shù)據(jù)庫D：構(gòu)造FP-tree樹（因限于篇幅，F(xiàn)P-Tree略去），同時(shí)用中藥的在方劑中出現(xiàn)的頻率對應(yīng)支持度，設(shè)最小為30，運(yùn)用FP-growth改進(jìn)算法，通過建立條件模式庫得到頻繁集，挖掘所有頻繁項(xiàng)集，發(fā)現(xiàn)脾胃方劑配伍規(guī)律如下：

3.2.1 方劑核心藥：

甘草(97)、陳皮(92)、白術(shù)(93)、人參(78)、厚樸(56)、木香(48)、當(dāng)歸(36)，此7味中藥在方劑中出現(xiàn)頻率遠(yuǎn)高于其它藥物，而且還可得出這幾味藥是構(gòu)成：四君子湯、異功散及香砂六君湯的主藥，即是脾胃方劑的主藥.

3.2.2 方劑結(jié)構(gòu)：

經(jīng)以上分析，結(jié)果證明，脾胃方方劑看似復(fù)雜，其實(shí)有著基本結(jié)構(gòu)：

以四君子湯為代表的補(bǔ)氣健脾方劑是最基本的用方；其次是補(bǔ)氣藥+理氣藥配伍的方劑，如香砂六君子湯、異功散等方劑；補(bǔ)氣藥十理氣藥十化疾藥(或化濕藥)配伍的方劑，如參苓白術(shù)散、六君子湯等方劑；補(bǔ)氣藥十溫里藥配伍的方劑，如保元湯、理中丸等方劑.

4 總結(jié)與展望

本文回顧了關(guān)聯(lián)規(guī)則挖掘知識，在分析FP-Growth關(guān)聯(lián)算法的基礎(chǔ)上提出改進(jìn)算法，并用之于中藥方劑數(shù)據(jù)挖掘，以求發(fā)現(xiàn)脾胃方劑遣方組藥的一些規(guī)律，這僅是本人把數(shù)據(jù)挖掘在應(yīng)用于方劑配伍規(guī)律挖掘的初步探索，希望能為為廣大的中醫(yī)醫(yī)務(wù)人員提供參考.

隨著信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘技術(shù)將成為促進(jìn)中醫(yī)藥研發(fā)和現(xiàn)代化的重要工具，具有廣闊的發(fā)展前景，構(gòu)建面向方劑配伍知識發(fā)現(xiàn)的綜合數(shù)據(jù)挖掘支持系統(tǒng)必將是是方劑配伍規(guī)律研究的努力方向，在拓展中醫(yī)藥的生存空間方面將會產(chǎn)生巨大的推動(dòng)作用！

〔1〕Jiawei Han，Micheline Kamber. 數(shù)據(jù)挖掘： 概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2007.

〔2〕朱明.數(shù)據(jù)挖掘[M].合肥：中國科技大學(xué)出版社，2008.

〔3〕Pang-Ning Tan，Michael Steinbach，Vipin Kumer.數(shù)據(jù)挖掘?qū)д揫M].北京：人民郵電出版社，2007.

〔4〕叢丹，王俊普，等.基于 FP-tree的模式分解算法[J].計(jì)算機(jī)工程，2005，31（16）：77-79.

〔5〕周忠眉.中醫(yī)方劑數(shù)據(jù)挖掘模式和算法研究[D].杭州：浙江大學(xué)，2006.

〔6〕朱金偉.數(shù)據(jù)挖掘算法及其在中藥配方系統(tǒng)中的應(yīng)用研究[D].常州：江蘇大學(xué)，2006.

〔7〕瞿融.方劑學(xué)[M].上海：上海中醫(yī)藥大學(xué)出版社,2008.

〔8〕蔣永光，等.中醫(yī)脾胃方配伍規(guī)律的數(shù)據(jù)挖掘試驗(yàn)[J].世界科學(xué)技術(shù)，2003Vol.5No3：33-37.

TP391.1

A

1673-260X（2011）09-0198-03

安徽省教育廳科研資助項(xiàng)目(KJ2011Z259)