基于策略模式的中药性效数据挖掘方法研究

Mining the implicit relationship and potential knowledge existing in the huge amount of TCM (traditional Chinese medicine) data remains an urgent task for the modernization of TCM. Our research group, long been engaged in the study of TCM information has found out that the majority of TCM information is composed by complicated large text data with a number of Chinese characters or by complex pictures. If without special modification, such data is not subject to direct computerized digital processing. Therefore, we introduced the concept of TCM "quantum", which refers to the refinement of originally complicated Chinese medicine information through reasonable analysis. As a result, TCM information will be refined into the minimum information comprising several Chinese characters that cannot be subdivided and has a relatively independent connotation and exclusive features. On the other hand, in the existing method for the mining of TCM information, specific approach and particular research item are related with each other in a one-one manner, which limits the mining and full use of TCM information. .This topic, taking the People's Republic of China Pharmacopoeia (2015 edition) as a data source, and studying the relationship between herbal nature and efficacy of TCM which randomly selected from 200 kinds of drugs that commonly used in the clinical, to explore a new ways of TCM information data mining through the strategy pattern of optimizing TCM information on the basis of establishing quantum information database for TCM.

挖掘中药海量数据中存在的隐含关系和潜在知识是中药现代化研究的紧迫任务。本课题组在长期从事中药信息研究的过程中，发现有多数中药信息是由多个汉字组成的大文本复杂数据或图片组成，这类数据如果不经过特殊的加工是不宜用计算机进行直接数字化处理。因此，我们引入了中药信息“量子化”的概念，所谓“量子化”是指通过合理的解析将原有的中药繁缛信息细化，成为由若干汉字组成的不可再行细分的、具有相对独立内涵和排他作用的最小信息。另一方面，在已有中药信息的数据挖掘方法中，具体某种方法与中药研究中某一具体问题是一一对应的关系，这对中药信息的挖掘和充分利用，存在着很大的局限性。本课题以2015年版《中华人民共和国药典》为数据源，随机选取200种临床上常用中药，在建立中药量子信息数据库的基础上，以“中药功效与药性关联”为例，探索一种通过策略模式优选中药信息数据挖掘方法的新途径。

伴随大数据时代的来临，为了进一步挖掘中药宝库，加强中药信息网络系统研究，利用信息化技术已成为推动中药现代化发展的重要手段。面对中药信息各种海量复杂数据体系，使用单一人工智能算法难以完成中药信息的深度挖掘，因此本研究基于策略模式思维，将各种挖掘方法进行封装和融合，构建了“策略模式中药数据挖掘系统”，它能对庞大数据进行分析整理以实现中药信息的深度挖掘。课题组按时圆满完成了申请书所i提出的全部研究任务，在培养研究生、发表论文和取得软件著作权的数量上超额完成了任务。本研究完成的主要内容如下：①已选取200种中药的文字和图片信息进行“量子化”、规范化和标准化处理，建立了中药量子信息数据库系统。②已建立“中药数据策略模式分析平台”，并成功的运用于肝癌中药方剂的数据挖掘。③完成了“中药功效与药性关联”的挖掘，挖掘结果对研究中药药性、毒性和药效之间的关系，具有重要的指导意义，亦建立了一种通过策略模式优选中药信息数据挖掘方法的新途径。本研究取得的重要成果有：①英文论著1篇，核心论文15篇。②取得了两个软件著作权。③优化设计了WD-get rules关联规则、KCM-ICCO聚类算法、CMC-DD聚类算法、ECBA分类算法、PSO-ELM神经网络算法。本研究取得的关键数据及其意义如下：①中药量子信息数据库的建立使中药信息更数字化、规范化、标准化，以便计算机的直接处理和中药信息的数据挖掘。②本研究优化设计的五种改进算法，相比常用的同类型算法，课题组改进的几种算法在挖掘速度、准确度均得到了提升，为人工智能算法在中药数据挖掘中的发展提供了有益参考。③使用“中药性效关联挖掘系统V1.0”对中药量子信息数据库系统进行关联规则的挖掘，结果共挖掘出133条强关联规则。挖掘结果对研究中药药性、毒性和药效之间的关系，具有重要的指导意义，也可为中药药性理论的现代化、科学化发展提供有益参考。④使用“中药性效关联挖掘系统V1.0”完成了肾虚、肝癌等中药方剂的配伍规律研究，归纳总结了几种疾病的组方用药规律，为中医临床用药提供指导。