【文章內(nèi)容簡介】 及其在中醫(yī)藥研究中的應(yīng)用 數(shù)據(jù)挖掘簡介 隨著 Inter 的不斷發(fā)展，信息化時代的到來，像超市、保險公司、醫(yī)療機(jī)構(gòu)等多個行業(yè)積累的數(shù)據(jù)正在以指數(shù)式增長。數(shù)據(jù)的存儲隨著計算機(jī)硬件和數(shù)據(jù)庫技術(shù)的不斷 成熟已經(jīng)得到了有效解決。但是面對海量的數(shù)據(jù)，人們對數(shù)據(jù)的理解程度在降低，對數(shù)據(jù)進(jìn)行準(zhǔn)確理解、分析和發(fā)現(xiàn)有用的新知識成為各個行業(yè)決策者的強(qiáng)烈需求。比如超市的經(jīng)營者希望獲得哪些商品經(jīng)常被顧客同時購買，保險公司希望得到購買保險的客戶的特征，醫(yī)療機(jī)構(gòu)研究人員希望找到影響某種疾病思病率的因素 .隨著數(shù)據(jù)量的不斷增長，傳統(tǒng)的統(tǒng)計、查詢方法都是 對數(shù)據(jù)進(jìn)行簡單的處理，無法直接提取出這些潛在的有價值的信息。信息的需求帶動了對信息挖掘分析工具的需求，數(shù)據(jù)挖掘 (Data Mining, DM)技術(shù)應(yīng)運(yùn)而生。 數(shù)據(jù)挖掘又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn) (Knowledge Discovery in Database, KDD)是通 過仔細(xì)分析大量數(shù)據(jù)提取有意義的新的關(guān)系、趨勢和模式等新知識的過程。 從商業(yè)角度來看，數(shù)據(jù)挖掘是對既定的業(yè)務(wù)目標(biāo)，從大量的企業(yè)數(shù)據(jù)中發(fā)現(xiàn)未知的規(guī)律或者驗(yàn)證己知的規(guī)律，并進(jìn)一步模型化，從而獲得輔助商業(yè)決策、解決商業(yè)向題的關(guān)鍵數(shù)據(jù)的方法 .ISL, NCR, DaimlerChrysler 三家公司在 1996 年制定了數(shù)據(jù)挖掘的交叉產(chǎn)業(yè)標(biāo)準(zhǔn)過程 (CRISPDM) ，它強(qiáng)調(diào)數(shù)據(jù)挖掘在商業(yè)中的應(yīng)用，是數(shù)據(jù)挖掘 應(yīng)用商業(yè)的通用流行標(biāo)準(zhǔn)之一。數(shù)據(jù)庫系統(tǒng)的參考模型的 如下圖 21 所示： 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 12 圖 21 典型數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu) 其主要成分有數(shù)據(jù)庫、數(shù)據(jù)倉庫或其它 信息庫、數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器、知識庫、數(shù)據(jù)挖掘引擎、模式評估模塊、圖形用戶界面。 數(shù)據(jù)庫、數(shù)據(jù)倉庫和其它信息庫 數(shù)據(jù)庫、數(shù)據(jù)倉庫和其它信息庫是 進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)源，可以在它們的數(shù)據(jù)上進(jìn)行數(shù)據(jù)清理和集成。 數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器 根據(jù)用戶的數(shù)據(jù)挖掘要求，數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器負(fù)責(zé)提取相關(guān)的數(shù)據(jù)。 知識庫 用戶界面 模式評估 數(shù)據(jù)挖掘引擎 數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器 數(shù)據(jù)清理、集成和選擇 數(shù)據(jù)庫 數(shù)據(jù)倉庫 萬維網(wǎng) 其他信息儲存庫 知識庫 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 13 知識庫是特定的領(lǐng)域知識，用于指定搜索或評估結(jié)果模式的興趣度。這種知識可能包括概念分層，用于將屬性或?qū)傩灾到M織成不同的抽象層。 數(shù)據(jù)挖掘引擎 數(shù)據(jù)挖掘引擎是數(shù)據(jù)挖掘的最重要的基本部分，由一組功能模塊組成，用于特征化、關(guān)聯(lián)、分類、聚類分析以及演變和偏差分析。 模式評估模塊 通常模式評估模塊使用興趣度度量，并與數(shù)據(jù)挖掘模塊交互，以便將搜索 聚集在有趣的模式上。它可能使用興趣度閩值過濾發(fā)現(xiàn)的模式。模式評估模塊也可以與挖掘模塊集成在一起，這依賴于所用的數(shù)據(jù)挖掘方法的實(shí)現(xiàn)。 圖形用戶界面 圖形用戶界面在用戶和數(shù)據(jù)挖掘系統(tǒng)之間通信，允許用戶與系統(tǒng)交互，指定數(shù)據(jù)挖掘查詢或任務(wù)，提供信息、幫助搜索聚集，根據(jù)數(shù)據(jù)挖掘的中間結(jié)果進(jìn)行探索式數(shù)據(jù)挖掘。此外，此成分還允許用戶瀏覽數(shù)據(jù)庫和數(shù)據(jù)倉庫模式或數(shù)據(jù)結(jié)構(gòu)、評估挖掘模式。 從技術(shù)角度來講，數(shù)據(jù)挖掘是從大量的、真實(shí)的、有噪聲的、校糊的、不確定的相同或不同的數(shù)據(jù)集中，提取隱藏的，事前不為人知的但又有用的潛在知識 的過程。從數(shù)據(jù)挖掘技術(shù)上的定義可以看出，數(shù)據(jù)挖掘的原始數(shù)據(jù)必須是大量的真實(shí)數(shù)據(jù)，挖掘出的知識是用戶感興趣的并對用戶有價值的數(shù)據(jù)，用戶可以理解、接受并應(yīng)用這些知識。數(shù)據(jù)挖掘是利用區(qū)別于傳統(tǒng)的統(tǒng)計方法從大量數(shù)據(jù)集中獲取深層次的知識的過程。 挖掘出的知識，可以是概念、規(guī)則、規(guī)律和約束，這些知識可以用來指導(dǎo)決策者做出正確的決策和預(yù)測事物發(fā)展的趨勢。 從數(shù)據(jù)中挖掘出有用的知識是一個往復(fù)循環(huán)的過程，首先要確定合適的挖掘目標(biāo)，然后抽取所需要的數(shù)據(jù)，選取相應(yīng)的挖掘算法進(jìn)行數(shù)據(jù)挖掘，最后對生成的知識進(jìn)行評估，如果對挖掘出的只 是不滿足用戶的要求，則整個挖掘過程需要退回，重新選取數(shù)據(jù)，甚至改變挖掘算法，直到滿足要求為止。數(shù)據(jù)挖掘的步驟如圖 22 所示： 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 14 圖 22 數(shù)據(jù)挖掘的步驟 數(shù)據(jù)挖掘的功能概述 數(shù)據(jù)挖掘的最終目標(biāo)是描述和預(yù)測，描述是規(guī)范當(dāng)前存在的事實(shí)，找到數(shù)據(jù)可理解的一般特征，預(yù)測是利用數(shù)據(jù)庫中的歷史和當(dāng)前的已知變量與字段預(yù)測未來感興趣的其他變量或字段的未來的值。數(shù)據(jù)挖掘功能可發(fā)現(xiàn)多種不同的知識模式，根據(jù)發(fā)現(xiàn)知識的不同可以從以下 6 個方面描述數(shù)據(jù)挖掘的功能。 概念描述 :區(qū)分和特征化 數(shù)據(jù)的概念描述 (Concept Description)包括數(shù)據(jù)區(qū)分 (Data Discrimination)和數(shù)據(jù)的特征化 (Data Characterization)。數(shù)據(jù)區(qū)分是發(fā)現(xiàn)或提取目標(biāo)數(shù)據(jù)的某些特征或?qū)傩耘c其他數(shù)據(jù)的特征或?qū)傩韵啾容^，用于描述不同數(shù)據(jù)之間的區(qū)別。例如，分別提取兩張不同疾病的癥狀，利用這些癥狀就可以區(qū)分這兩種疾病。數(shù)據(jù)特征化是對口標(biāo)數(shù)據(jù)的總體情況的描述，提取數(shù)掘的一般特征或特性的匯總。 關(guān)聯(lián)分析 關(guān)聯(lián)分析 (Association Analysis)就是從目標(biāo)數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)項(xiàng)之間存在的依賴關(guān)系，關(guān)聯(lián)分析又稱為關(guān)聯(lián)規(guī)則 .關(guān)聯(lián)規(guī)則通過找出頻繁地在目標(biāo)數(shù)據(jù)集中一起出現(xiàn)的數(shù)據(jù)項(xiàng)問題定義 數(shù)據(jù)抽取 數(shù)據(jù)預(yù)處理 模式評估 數(shù)據(jù)挖掘 選擇模式 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 15 來發(fā)現(xiàn)隱藏在不同數(shù)據(jù)項(xiàng)之間的某種因果關(guān)系。關(guān)聯(lián)規(guī)則被廣泛地應(yīng)用到商業(yè)領(lǐng)域，通過分析交易數(shù)據(jù)來指導(dǎo)銷售和制定市場決策 .比如人們熟知的“啤酒和尿布”的故事就是從超市的交易數(shù)據(jù)中分析得出的頻繁項(xiàng)集。 分類和預(yù)測 分類 (Classification)是指構(gòu)建一個分類模型或函數(shù)，這模型或函數(shù)能夠把各個數(shù)據(jù)項(xiàng)映射到預(yù)定義的類別。分類包括模型的創(chuàng)建和模型的使用兩個過程。通過對預(yù)先定義的各個類的訓(xùn)練 數(shù)據(jù)的進(jìn)行分析，從每個類的訓(xùn)練數(shù)據(jù)中發(fā)現(xiàn)共性得出這個類的描述從而建立分類模型，然后使用分類模型對新的數(shù)據(jù)進(jìn)行分類。分類方法有決策樹、分類規(guī)則、神經(jīng)網(wǎng)絡(luò)、粗糙集等。例如，根據(jù)病人的癥狀和己建立的疾病分類規(guī)則可到定病人患病的種類。 預(yù)測 (Prediction)是利用訓(xùn)練數(shù)據(jù)建立模型，該模型可以獲得新輸入數(shù)據(jù)的未來變化的趨勢或評估數(shù)據(jù)的屬性值的分布范圍。 聚類分析 聚類分析 (Clustering Analysis)是將抽象對象或物理對象的數(shù)據(jù)集中類似的對象聚合為一類的過程。每個數(shù)據(jù)集包括若干個類，各類之間數(shù)據(jù) 對象相似程度極低，每個類內(nèi)部的對象相似程度很高。聚類分析的方法不同于分類預(yù)測，分類預(yù)側(cè)是在預(yù)定義類別的前提下訓(xùn)練數(shù)據(jù)找出類的總體特征或?qū)傩裕缓笤俑鶕?jù)每個類的特征或?qū)傩院头诸愪J型對新加入的數(shù)據(jù)進(jìn)行分類，屬于有教師監(jiān)督學(xué)習(xí)方法 :聚類分析方法直接從數(shù)據(jù)集中抽象出相似程度高的對象聚合為一類，屬于無教師監(jiān)督的學(xué)習(xí)方法。 孤立點(diǎn)分析 孤立點(diǎn) (Outlier)是指與數(shù)據(jù)的一般行為或模型不一致的數(shù)據(jù)對象。大部分的數(shù)據(jù)挖掘算法都將孤立點(diǎn)視為噪聲，在數(shù)據(jù)預(yù)處理階段就被過濾掉了。但是罕見或意想不到的事件有時候比正常的事件更 有價值。比如發(fā)現(xiàn)病人對治療方式的不良反應(yīng)校式，在欺騙檢測中孤立點(diǎn)可能預(yù)示著欺騙行為模式。 演變分析 演變分析（ Evolution Analysis）是描述事件或?qū)ο蟮男袨榛跁r間或共他序列變化的規(guī)律或趨勢，并對其建模 .演變分析主要包括序列或周期校式匹配、機(jī)遇類似性的數(shù)北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 16 據(jù)分析和時間序列數(shù)掘分析。比如，可以利用演變分析方法獲得整個股票市場的變化規(guī)律，發(fā)現(xiàn)的規(guī)律可指導(dǎo)股民投資。 數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥研究中的應(yīng)用 數(shù)據(jù)挖掘技術(shù)只有十多年的發(fā)展時間，但其應(yīng)用十分廣泛。在商業(yè)、金融業(yè)、工業(yè)中都有成功 的應(yīng)用例子，取得了一定的經(jīng)濟(jì)和社會效益。數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用剛剛起步，但己經(jīng)表現(xiàn)出了很好的勢頭，目前數(shù)據(jù)挖掘技術(shù)在此領(lǐng)域中的應(yīng)用主要表現(xiàn)在以下幾個方面。 在中醫(yī)藥信息化研究中的應(yīng)用 對中醫(yī)藥信息進(jìn)行文本數(shù)據(jù)挖掘是促進(jìn)中醫(yī)藥信息結(jié)構(gòu)化的途徑之一。從中醫(yī)診斷、辨證到組方的各個環(huán)節(jié)，用文字語言描述的過程占很大比例，使得定性內(nèi)容相對多一些。當(dāng)中醫(yī)藥在實(shí)現(xiàn)以計算機(jī)技術(shù)為主要工具的信息化研究時，這種定性信息的量化常常會遇到相當(dāng)?shù)睦щy，即使是原先有量化信息的用藥劑量，也因不同中藥有效成分含量的差異而失 去了原先的意義。因此，對以古語言和純文本為主的中醫(yī)藥理論和實(shí)踐進(jìn)行結(jié)構(gòu)化解析是中醫(yī)藥信息化研究的重要內(nèi)容，其中的某些內(nèi)容可以通過對文本的數(shù)據(jù)挖掘技術(shù)來實(shí)現(xiàn)?？梢圆捎锰卣鞒槿〉姆椒?，或者采用聚類的方法描述某些相似病癥的內(nèi)容，找出其中隱含的相似關(guān)系。 在中醫(yī)藥專家系統(tǒng)研究中的應(yīng)用 計算機(jī)和人工智能技術(shù)在中醫(yī)藥研究中最普遍的應(yīng)用是各種專家系統(tǒng)，如關(guān)幼波肝病專家系統(tǒng)等。專家系統(tǒng)是一種面向特定對象的決策支持系統(tǒng) (Decision Support System, DSS)，它根據(jù)專家對某種疾病的認(rèn)識及多年積累的治療 經(jīng)驗(yàn)，在建立相應(yīng)知識庫的基礎(chǔ)上，采用各種推理方法模擬專家進(jìn)行疾病的診斷和治療。對于一個專家系統(tǒng)來說，實(shí)際診斷成功與否的關(guān)鍵取決于它的知識庫中知識的完備程度，而僅憑中醫(yī)專家的口授心傳和系統(tǒng)設(shè)計者的領(lǐng)悟，往往難以滿足專家系統(tǒng)知識庫的要求，而且相對簡單的推理往往也難以體現(xiàn)出人最活躍的主觀能動的部分，知識的獲取途徑和表示方法因此成為限制專北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 17 家系統(tǒng)發(fā)展的瓶頸。而數(shù)據(jù)挖掘可以在大量經(jīng)驗(yàn)中發(fā)現(xiàn)隱含的、客觀有用的新型知識，這對于豐富專家系統(tǒng)的知識庫將起到積極的作用。 在中醫(yī)藥基礎(chǔ)理論研究中的應(yīng)用 數(shù)據(jù)挖掘不僅在中醫(yī)藥臨床 實(shí)踐中有廣泛的應(yīng)用，也可應(yīng)用于中醫(yī)藥基礎(chǔ)理論的現(xiàn)代化研究中。如中藥藥性理論的現(xiàn)代化研究，中藥藥性理論是中藥配伍應(yīng)用的核心內(nèi)容之一，其內(nèi)容完善的程度將直接影響到組方的準(zhǔn)確性和治療的有效性。中醫(yī)對于中藥藥性的認(rèn)識是一個逐漸積累和完善的過程，至今還存在某些藥物的藥性不完整的情況，如華山參的藥性特征為只有性味而無歸經(jīng)；對于中藥的功效歸類也因?qū)＜覍λ幬镎J(rèn)識程度的不同，而導(dǎo)致同一藥物分屬于不同類別，甚至功效分類名稱也不統(tǒng)一的情況。數(shù)據(jù)挖掘技術(shù)可以在分析大量歷史數(shù)據(jù)的基礎(chǔ)上，協(xié)助中藥藥性的完善研究。如數(shù)據(jù)挖掘中的分類方法 可以依據(jù)藥性特征的辨識結(jié)果，將一些還未歸類的中藥進(jìn)行分類預(yù)測 。也可用聚類方法將藥味聚類后，根據(jù)同類藥物的藥性相近，歸類也應(yīng)相近的特點(diǎn)進(jìn)行分類預(yù)測 。用決策樹和關(guān)聯(lián)規(guī)則分析可以自動對藥物進(jìn)行功效分類與其藥性特征之間的關(guān)聯(lián)模式或規(guī)則研究 。粗糙集理論可以實(shí)現(xiàn)對藥物分類的簡化藥性特征研究等。進(jìn)行中藥藥性特征的數(shù)據(jù)挖掘研究，對中藥復(fù)方配伍的科學(xué)規(guī)律研究有著重要意義。 在中藥化學(xué)研究中的應(yīng)用 中藥發(fā)揮作用的物質(zhì)是其所含的化學(xué)成分，在中藥中提取有效成分直接用于新藥開發(fā)或作為先導(dǎo)化合物，經(jīng)過結(jié)構(gòu)修飾或改造后進(jìn)行合理藥物設(shè) 計，然后開發(fā)為新藥的途徑，己成為現(xiàn)代新藥開發(fā)的熱點(diǎn)。中藥化學(xué)成分一般較人工合成的成分復(fù)雜，具有相同藥效的成分往往具有相似的活性基團(tuán)和比較穩(wěn)定的活性構(gòu)象。因此通過對大量中藥化學(xué)成分的二維和三維構(gòu)象分析，以及結(jié)構(gòu)與活性之間關(guān)系的分析，進(jìn)行藥效基團(tuán)的建模研究，并實(shí)現(xiàn)對中藥化學(xué)成分?jǐn)?shù)據(jù)庫的柔性搜索，為更充分利用中藥化學(xué)成分提供技術(shù)支持。如利用分子對接技術(shù) (DOCK)在進(jìn)行受體與配體結(jié)合分析的基礎(chǔ)上，建立對應(yīng)結(jié)構(gòu)類型不同配體的構(gòu)效方程和它們的結(jié)合模式 。比較分子力場分析 (COMFA)和定量構(gòu)效關(guān)系 (QSAR)的結(jié)合可以 在提取大量分子共同活性結(jié)構(gòu)模式的基礎(chǔ)上，揭示出化合物之間的聯(lián)系和潛在特征以及與生物活性之間的關(guān)系，并可實(shí)現(xiàn)對成分?jǐn)?shù)據(jù)庫和活性數(shù)據(jù)庫中有價值信息的挖掘。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 18 在中醫(yī)醫(yī)案方面的應(yīng)用 中醫(yī)醫(yī)案在中醫(yī)藥科學(xué)中扮演著非常重要的角色，大量的醫(yī)案散見于文獻(xiàn)刊物中，散見于名老中醫(yī)的案頭，他們的學(xué)術(shù)經(jīng)驗(yàn)是中醫(yī)藥事業(yè)的一筆巨大財富。但“百花齊放、百家爭鳴”的局面使得醫(yī)案經(jīng)常出現(xiàn)藥味和藥量千差萬別的情況，無法形成中醫(yī)在整體上對疾病規(guī)律統(tǒng)一的認(rèn)識。應(yīng)用數(shù)據(jù)挖掘方法對眾多中醫(yī)專家的寶貴經(jīng)驗(yàn)進(jìn)行全面整理和挖掘，將會比較全面地獲得對中醫(yī) 藥基礎(chǔ)理論和臨床實(shí)踐規(guī)律的統(tǒng)一的認(rèn)識。其中決策樹、關(guān)聯(lián)規(guī)則和面向?qū)傩缘臍w納方法可以在不同配伍層次 (單味藥、藥物功效分類等 )上分析藥味配伍的模式或規(guī)則。 在中醫(yī)藥其他方面的應(yīng)用 數(shù)據(jù)挖掘技術(shù)不但可以應(yīng)用到中醫(yī)藥研究中的上述方面，而且在研究中醫(yī)病證與復(fù)方組方的關(guān)系、中醫(yī)癥候與現(xiàn)代醫(yī)學(xué)臨床表現(xiàn)之間關(guān)聯(lián)的關(guān)系以及中醫(yī)藥信息數(shù)據(jù)倉庫的開發(fā)研究等方面都可以得到廣泛應(yīng)用。 數(shù)據(jù)挖掘和傳統(tǒng)數(shù)據(jù)分析工具和學(xué)習(xí)機(jī)器的區(qū)別 對于在線分析 OLAP (On Line Analytical Processing)，用戶 首先建立一個假設(shè)，然后用 OLAP 檢索數(shù)據(jù)庫來驗(yàn)證這個假設(shè)是否正確。比如一個分析師想找到是什么導(dǎo)致拖欠貸款，他可能先做一個初始假設(shè)，認(rèn)為低收入的人信用也低，然后他可以用 OLAP 來驗(yàn)證他的假設(shè)，如果這個假設(shè)沒有被證實(shí)，他可能去查看那些高負(fù)債的賬戶，如果還不行，他可能要把收入和負(fù)債一起來考慮，繼續(xù)進(jìn)行