從針灸文獻(xiàn)中獲取經(jīng)穴ARFF數(shù)據(jù)集的文本挖掘方法探討

張 勇 (瀘州醫(yī)學(xué)院生物醫(yī)學(xué)工程系，四川 瀘州 646000)

王鴻度 (瀘州醫(yī)學(xué)院中醫(yī)系； 四川 瀘州 646000)

潘 宏 (瀘州醫(yī)學(xué)院生物醫(yī)學(xué)工程系，四川 瀘州 646000)

從針灸文獻(xiàn)中獲取經(jīng)穴ARFF數(shù)據(jù)集的文本挖掘方法探討

張 勇 (瀘州醫(yī)學(xué)院生物醫(yī)學(xué)工程系，四川 瀘州 646000)

王鴻度 (瀘州醫(yī)學(xué)院中醫(yī)系； 四川 瀘州 646000)

潘 宏 (瀘州醫(yī)學(xué)院生物醫(yī)學(xué)工程系，四川 瀘州 646000)

按照粗糙集理論的數(shù)據(jù)處理方法，對(duì)經(jīng)穴名稱進(jìn)行標(biāo)準(zhǔn)化和數(shù)據(jù)化，把中文經(jīng)穴名轉(zhuǎn)換成離散化的布爾型數(shù)據(jù)，通過文件格式的轉(zhuǎn)換，從而得到適用于WEKA挖掘平臺(tái)的RAFF數(shù)據(jù)集。

經(jīng)穴； ARFF；文本挖掘

文本挖掘現(xiàn)在已成為中醫(yī)中藥學(xué)界數(shù)據(jù)挖掘中重要的研究課題。已有研究[1]通過關(guān)聯(lián)和聚類分析出了幾種經(jīng)穴的聯(lián)系。但基于針灸古文獻(xiàn)[2]中治療疾病用穴的文本挖掘在國內(nèi)還為數(shù)不多，對(duì)十四經(jīng)穴的文本挖掘的方法研究也比較少。

1 經(jīng)穴文本數(shù)據(jù)清洗

數(shù)據(jù)準(zhǔn)備前期，由針灸醫(yī)師在古文獻(xiàn)中勾勒出屬于十四經(jīng)穴的穴位名稱。例如從《百癥賦》“原夫面腫虛浮，須仗水溝，前頂；耳聾氣閉，全憑聽會(huì)、翳風(fēng)。面上蟲行有驗(yàn)，迎香可??；耳中蠶噪有聲，聽會(huì)堪攻”文中，可得出面部浮腫，耳聾耳鳴等證候。涉及到的十四經(jīng)穴名有：水溝，前頂，聽會(huì)，翳風(fēng)，迎香，聽會(huì)。并對(duì)文獻(xiàn)中的經(jīng)穴數(shù)據(jù)采用如下步驟的篩選處理：

1)去除非經(jīng)穴。去除如時(shí)病瘟疫《千金要方·卷十·第五》：“上腭穴，入口里邊，在上縫赤白脈是，針三次，治馬黃黃疸四時(shí)病等?！保锍霈F(xiàn)的上腭穴。

2)去除經(jīng)外奇穴。去除如癥瘕集聚《醫(yī)學(xué)入門·卷一·治病奇穴》：“痞根穴：專治痞塊，十三椎下各開三寸半，多灸左邊。如左右俱有，左右俱灸。”里的痞根穴。

3)根據(jù)GB12346-90標(biāo)準(zhǔn)化針灸中文經(jīng)穴名稱，具體如下：

把“腧”改為“俞”。如癆瘵《圣濟(jì)總錄·卷一百九十三·治骨蒸》：“……，胃腧二穴……腎腧二穴……又肝腧二穴……”。

把“三里”改為“足三里”。如噎膈《靈樞·邪氣臟腑病形》：“胃病者……膈咽不通，食飲不下，取之三里?！?/p>

把 “四花穴”改為“膈俞、膽俞”。如癆瘵：《醫(yī)學(xué)入門·卷一·治病奇穴》：“經(jīng)門四花：即崔氏四花穴，不灸脊上二穴，各開兩旁成六穴，上二穴，共闊一寸”。

把 “巨虛”改為“上巨虛、下巨虛”。如脅痛《銅人腧穴針灸圖經(jīng)·卷五·足陽明》：“巨虛下廉：胸脅少腹痛?！?/p>

把“臨泣”改為“足臨泣”。如癥瘕集聚《扁鵲神應(yīng)針灸玉龍經(jīng)·針灸歌》：“月閉乳癰臨泣妙，癥瘕膀胱即莫拋”。

把“人中”改為“水溝”。如脅痛《瓊瑤神書·卷二·二百三十五》：“治閃挫腰脅痛：腰間閃挫瀉人中，尺澤先將氣下沖”。

2 經(jīng)穴文本數(shù)據(jù)標(biāo)準(zhǔn)化

根據(jù)國家標(biāo)準(zhǔn)GB12346-90并參照世界衛(wèi)生組織針灸穴名國際標(biāo)準(zhǔn)《標(biāo)準(zhǔn)針灸穴名》，制作十四經(jīng)穴中英文名稱對(duì)照表1，標(biāo)準(zhǔn)化文獻(xiàn)里出現(xiàn)的經(jīng)穴名。

表1 十四經(jīng)穴中英文名稱對(duì)照表(部分)

3 經(jīng)穴文本數(shù)據(jù)文件

目前常用的文本表示模型有：向量空間模型、布爾模型、概率檢索模型等。在建立數(shù)據(jù)源時(shí)，利用粗糙集理論進(jìn)行屬性數(shù)據(jù)的約簡，即把每一個(gè)經(jīng)穴看成一個(gè)屬性。輸入數(shù)據(jù)時(shí)，若同一文獻(xiàn)中有多次出現(xiàn)的經(jīng)穴名，則去掉冗余的僅保留一個(gè)。如文獻(xiàn)中出現(xiàn)的手三里，表示成:LI10 {LI10,0}或LI10{0,1}。把預(yù)處理完的針灸文獻(xiàn)里的經(jīng)穴名錄入到電子表格中，成為Excel文件，如郁證yuzheng.xls。

3.1經(jīng)穴文件的轉(zhuǎn)換

為進(jìn)行挖掘?qū)嶒?yàn)，將Excel文件格式的數(shù)據(jù)轉(zhuǎn)換成WEKA支持的ARFF文件格式，進(jìn)行如下轉(zhuǎn)換：在Microsoft Excel中打開naozhai.xls，選擇“文件”菜單→另存為 “yuzheng”文件名，文件保存類型選擇“CSV(逗號(hào)分隔)”保存，可得到“yuzheng.csv”文件；然后，打開軟件WEKA的Explorer，點(diǎn)擊“Open file”按鈕，打開已有的yuzheng.csv文件，點(diǎn)擊“save”按鈕，在彈出的對(duì)話框中，文件名輸入“yuzheng”，文件類型選擇“Arff data files(*.arff)”，這樣就得到數(shù)據(jù)文件“yuzheng.arff”。另一種方法是打開“Tools”菜單里的“Arff Viewer”窗口，在Arff Viewer窗口打開瀏覽csv文件，另存為ARFF文件也可以。

3.2WEKA和ARFF介紹

本研究中由于經(jīng)穴名是錄入在電子表格中的，適合開源數(shù)據(jù)挖掘軟件WEKA。 WEKA存儲(chǔ)數(shù)據(jù)的格式是ARFF(Attribute-Relation File Format)文件，ARFF數(shù)據(jù)集與很多電子表格或數(shù)據(jù)分析軟件一樣用的是二維表：豎行稱作一個(gè)屬性(Attribute)，相當(dāng)于統(tǒng)計(jì)學(xué)中的一個(gè)變量，或者數(shù)據(jù)庫中的一個(gè)字段，這樣的一個(gè)表格在WEKA里呈現(xiàn)的是屬性之間的一種關(guān)系(Relation)。

針灸數(shù)據(jù)集也可看作是二維表的格式，行表示古代針灸文獻(xiàn)中記載的治療某類疾病用穴的名稱，如治療郁證用到的經(jīng)穴。在此次收集到的文獻(xiàn)中一共有91次的記載(記錄)；列表示文獻(xiàn)所記載經(jīng)穴穴位的名稱，出現(xiàn)了多少個(gè)名稱，即表有多少個(gè)屬性(字段)。

世界衛(wèi)生組織針灸穴名國際標(biāo)準(zhǔn)化后ARFF文件格式如下所示：

@RELATION naozhai

@ATTRIBUTE DU20 {DU20，0}

@ATTRIBUTE DU1 {DU1，0}

……

@ATTRIBUTE RN12 {RN12，0}

@ATTRIBUTE ST36 {ST36，0}

@DATA

0，0，0，0，0，BL13，0，0，0，0，0，0，0，0，0，0，0，0，SP6，0，……

……

0，0，0，0，0，0，0，0，BL43，0，0，0，0，0，0，0，0，0，0，0，0，……

0，0，0，0，0，0，0，0，0，BL17，0，0，0，0，0，0，0，，0，0，0，0，……

4 獲取經(jīng)穴ARFF數(shù)據(jù)集步驟

1)由針灸醫(yī)師在古代針灸文獻(xiàn)中先勾畫出經(jīng)穴名稱，再根據(jù)勾畫出的穴名分朝代錄入電子表格XLS格式數(shù)據(jù)源，整理核對(duì)錄入的經(jīng)穴名稱，即數(shù)據(jù)清洗。

西地那非治療新生兒肺動(dòng)脈高壓及其對(duì)循環(huán)內(nèi)皮祖細(xì)胞及腫瘤壞死因子-α的影響…………………………………………………………………………… 樊青曼，等(6):686

2)把每類疾病的針灸治療方案所用到的經(jīng)穴進(jìn)行排序分類匯總，在分類時(shí)檢查是否有重復(fù)的類，如果有則刪除。

3)把生成的十四經(jīng)穴類名復(fù)制成只有中文經(jīng)穴名稱的工作表，生成的表還不是十四經(jīng)穴的國家或國際命名標(biāo)準(zhǔn)的工作表。

4)把上表升序排列，插入一個(gè)表頭，表頭的字段1取名jingxue，表頭的字段2取名point。再把某類疾病對(duì)應(yīng)的工作表另存為DBF4(dBASEⅣ)*.dbf文件。

5)安裝數(shù)據(jù)庫語言VF，獨(dú)占方式打開dbf文件。修改設(shè)置字段 jingxue字段寬度為6個(gè)字符寬度，索引類型為候選索引，設(shè)置point字段寬度為4個(gè)字符寬度。

6)把由十四經(jīng)穴的國際標(biāo)準(zhǔn)中英文代碼的361個(gè)穴名先制作成電子表格文件，然后再轉(zhuǎn)換成數(shù)據(jù)表文件：jingxue361.dfb。表文件jingxue361.dfb文件里也有和前表同名的兩個(gè)字段：jingxue和point，且字段結(jié)構(gòu)也和前表一致，在VF中用經(jīng)穴jingxue361.dbf中的point數(shù)據(jù)填入yuzheng.dbf中的空的point字段里，這樣在yuzheng表中就有了標(biāo)準(zhǔn)化的十四經(jīng)穴英文代碼。

7)再次核對(duì)整理原文經(jīng)穴名與國標(biāo)經(jīng)穴名稱不匹配的記錄，整理完后得到規(guī)范的數(shù)據(jù)表yuzheng.dbf文件，利用VF“文件”菜單的“導(dǎo)出”命令導(dǎo)回生成yuzheng.xls。

8)把到的電子表格文件yuzheng.xls第1第2列數(shù)據(jù)項(xiàng)復(fù)制后轉(zhuǎn)置成兩行，去掉第一行的jingxue和point單元格里內(nèi)容，根據(jù)數(shù)據(jù)源表針灸治療郁癥的經(jīng)穴名所對(duì)應(yīng)的國標(biāo)代碼填入到當(dāng)前電子表格工作表中，得到布爾型數(shù)據(jù)的電子表格yuzheng.xls。

9)把得到的工作表另存為SCV文件類型的數(shù)據(jù)文件yuzheng.csv，然后啟動(dòng)WEKA，打開菜單“Tools”里的“Arff Viewer”，在Arff Viewer窗口打開yuzheng.csv文件，另存為arff文件，這樣就得到了治療郁證所用經(jīng)穴的ARFF的數(shù)據(jù)文件yuzheng.arff。

5 結(jié)論

探勘中醫(yī)針灸古籍中治療多類疾病的醫(yī)案，采用數(shù)據(jù)挖掘方法提煉出古籍背后隱藏的信息，分析出經(jīng)穴數(shù)據(jù)特有的規(guī)則與規(guī)律。本文提出了一個(gè)萃取古代針灸治療各種病癥所用經(jīng)穴的方法。通過此方法得到的針灸治療各類病癥的經(jīng)穴數(shù)據(jù)集RAFF文件是深入挖掘十四經(jīng)穴的寶貴的數(shù)據(jù)資料，為經(jīng)穴文本的數(shù)據(jù)挖掘研究提供了前提條件。

[1]張勇,張豐正.數(shù)據(jù)挖掘在針灸治療鼓脹古代文獻(xiàn)中的應(yīng)用[J].瀘州醫(yī)學(xué)院學(xué)報(bào),2011,34(5):583-584.

[2]趙凌，任玉蘭，梁繁榮.有效整理古代針灸文獻(xiàn)的研究方法與要求[J].成都中醫(yī)藥大學(xué)學(xué)報(bào),2007,30(4):1-2.

[編輯] 一 凡

R245

A

1673-1409(2013)21-0146-03

2013-04-02

瀘州醫(yī)學(xué)院科研基金項(xiàng)目(2012QN-67)

張勇(1976-)，男，講師，碩士，主要從事基礎(chǔ)數(shù)學(xué)及數(shù)據(jù)挖掘研究工作；通訊作者：潘宏，E-mail：120725863@qq.com。