【正文】 提高挖掘的效率。即數(shù)據(jù)挖掘是 要發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的信息或知識，甚至是違背直覺的信息或知識，挖掘出的信息越是出乎意料，就可能越有價值。數(shù)據(jù)挖掘所得到的信息應(yīng)具有原先未知、有效和實用三個特征。舉個例子，一個用數(shù)據(jù)挖掘工具的分析，想找到引起貸款拖欠的因素，數(shù)據(jù)挖掘可以幫他找到高負(fù)債和低收入是引起這個問題的因素，甚至還能發(fā)現(xiàn)一些分析師從沒想過或試過的其它因素。數(shù)據(jù)挖掘與OLAP 相比其不同之處在于數(shù)據(jù) 挖掘不是用來驗證某個假設(shè)的模式 (模型 )的正確性，而是在數(shù)據(jù)庫中自己尋找模型。也可以這么說， OLAP 分析師是建立一系列的假設(shè)，然后通過 OLAP 驗證或推翻這些假設(shè)來最終得到自己的結(jié)論。 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)庫來驗證這個假設(shè)是否正確。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。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。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。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。 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。粗糙集理論可以實現(xiàn)對藥物分類的簡化藥性特征研究等。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)相近的特點進(jìn)行分類預(yù)測 。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。而數(shù)據(jù)挖掘可以在大量經(jīng)驗中發(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。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，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?？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。當(dāng)中醫(yī)藥在實現(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。 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。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。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。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可能預(yù)示著欺騙行為模式。大部分的數(shù)據(jù)挖掘算法都將孤立點視為噪聲，在數(shù)據(jù)預(yù)處理階段就被過濾掉了。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?，然后再根?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。 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。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。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)項映射到預(yù)定義的類別。 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)項之間的某種因果關(guān)系。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。 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)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，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。 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)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。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。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)挖掘方法的實現(xiàn)。 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。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)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)。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)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。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。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。 基于原始數(shù)據(jù)的可靠性、準(zhǔn)確性和完整性方面的考慮，本研究以自 2020 年 1 月一 2020 年 10 月 中國中醫(yī)研究院基礎(chǔ)所胸痹急癥研究室主任、國家中醫(yī)藥管理局醫(yī)政司胸痹急癥協(xié)作組組長沈紹功 先生醫(yī)案 65 份為醫(yī)案來源，以高血壓病為例，采用 Apriori算法進(jìn)行頻繁項集的搜索，所得醫(yī)案模型幾乎完全符合沈教授在治療高血壓病時常用的處方。 本文的研究內(nèi)容包括： 深入分析和探討了典型的關(guān)聯(lián)規(guī)則挖掘算法 Apriori 算法，在此算法的基礎(chǔ)上完成數(shù)據(jù)庫挖掘的基本構(gòu)思。 北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 10 本課題的主要研究目標(biāo) 本文的研究目標(biāo)是設(shè)計一個高血壓的輔助 診斷和治療系統(tǒng)，目的是幫助用戶診斷是否患有高血壓，為確診的病人提供一個合適的治療方案，從而提高病人的知曉率和治療率，最終提高全社會對高血壓的防治水平 。 馬麗偉把關(guān)聯(lián)規(guī)則算法應(yīng)用到中醫(yī)藥數(shù)據(jù)挖掘中，發(fā)現(xiàn)了具有臨床參考價值的癥狀間、處方間的關(guān)聯(lián)和癥狀 處方藥物間的關(guān)聯(lián) 。劉宏強(qiáng) 利用Apriori 算法發(fā)現(xiàn)了冠心病和影響它發(fā)病的可能因素之間的關(guān)聯(lián)，用于輔助 冠心病的預(yù)防和診斷。 現(xiàn)在關(guān)聯(lián)規(guī)則技術(shù)被廣泛應(yīng)用于金融、保險、電信、醫(yī)學(xué)研究等領(lǐng)域 。 關(guān)聯(lián)規(guī)則最初應(yīng)用于購物籃分析，用于發(fā)現(xiàn)商品交易數(shù)據(jù)中的被顧客頻繁購買的商品、顧客的購買習(xí)慣和不同商品之何的聯(lián)系 。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 。 北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 9 關(guān)聯(lián)規(guī)則的研究現(xiàn)狀 隨著信息化時代的到來，多種行業(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)的不斷成熟己經(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 。并對病人的不堅持服藥的心理和原因進(jìn)行了分析，然后找到了一種鑒定病人不堅持服藥的方法 。 (3)借助數(shù)據(jù)倉庫、數(shù)據(jù)挖掘和人工智能等計算機(jī)技術(shù)對高血壓的病因、發(fā)病機(jī)制和高血壓的防治的研究 .例如對同時患有糖尿病 和高血壓的患者選擇強(qiáng)化降壓還是強(qiáng)化降糖的研究、尿酸與高血壓前期關(guān)系的研究、血脂與高血壓關(guān)系的研究等 。 高血壓的患病率持續(xù)增長，同時高血壓的知曉率和治療率也處于一個很低的水平 。 高血壓的患病 率跟年齡和經(jīng)濟(jì)發(fā)展水平有關(guān) 。文獻(xiàn)中指出我國成年人高血壓患病率為 %。 相關(guān)研究的現(xiàn)狀 高血壓領(lǐng)域的研究現(xiàn)狀 高血壓作為全球人類最常見的慢性病，中華人民共和國衛(wèi)生部疾病預(yù)防控制局、衛(wèi)生部心血管病防治研究中心出臺了中國高血壓防治指南 (2020 年基層版 )，指南中估計我國現(xiàn)有高血壓患者 2 億人，嚴(yán)重 了我國居民的身心健康。目前，對名老中醫(yī)的學(xué)術(shù)思想和臨證經(jīng)驗尚停留于口授、身教、整理、歸納階段，帶有一定的主觀成份，缺乏全面系統(tǒng)的整理與統(tǒng)計，學(xué)者搜尋不易，難以為廣大醫(yī)北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 8 務(wù)工作者借鑒應(yīng)用。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)驗是中醫(yī)藥事業(yè)的一筆巨大財富。 中醫(yī)藥是中華民族的瑰寶，進(jìn)行中醫(yī)藥的數(shù)據(jù)挖掘是中醫(yī)藥現(xiàn)代化研究的重要組成部分，是對中醫(yī)藥幾千年沉淀的寶貴歷史數(shù)據(jù)進(jìn)行去偽存真、去粗取精的過程，也是為更好地推進(jìn)中醫(yī)藥的發(fā)展，保持其優(yōu)勢與特色的重要方法。 治療高血壓最有效的方式是藥物治療，藥物治療 就需要醫(yī)生開具處方，從而產(chǎn)生了大量的紙質(zhì)處方的存儲和查詢問題 。 中國高血壓防治指南 (2020年基層版 )中估計我國現(xiàn)高血壓患者 2億人， 10 個成年人當(dāng)中 就有 2個患有高血壓，在高血壓患病率持續(xù)增長的同時，高血壓病人的知曉率和治療率也處于一個很低的水平 。我國居民高血壓患病 率持續(xù)增長， 1991 年全國患病人數(shù)約為 9000萬。 famous TCM experience 北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 6 北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 7 第一章 緒論 課題提出的背景及研究意義 心腦血管疾 M(Cardiovascular Disease, CVD)是全球威脅人類健康的重大疾病，已成為我國居民的首位死因 。 data mining。 北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 4 關(guān)鍵詞：關(guān)聯(lián)規(guī)則； Apriori 算法；數(shù)據(jù)挖掘；用藥規(guī)律；名老中醫(yī)經(jīng)驗 Abstract Famous TCM valuable clinical experience is Chinese medicine academic and clinical medicine card product of the bination of thinking. TCM Clinical Treatment is the process of gathering information by the viewpoint of TCM, Chinese medicine thought to process information, and accordingly imposes the healing method. Chinese medicine knowledge from generation to generation, mostly words and deeds, virtually for the dissemination of knowledge and the benefit of the public medicine made obstacles. Just using data mining addresses key issues and technical challenges in the study of Chinese medicine characteristics . After a lo