胡綠慧　任玉蘭

摘要：針灸腧穴規(guī)律在針灸臨床治療中起著十分重要的作用，針對古今針灸臨床治療方案數(shù)據(jù)量大、關聯(lián)性強的特點，運用關聯(lián)分析中的Apriori算法，結(jié)合針灸學科特點和臨床診治規(guī)律，將經(jīng)過篩選轉(zhuǎn)換的數(shù)據(jù)在Weka平臺中分析，充分利用其中的類和可視化功能，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果。實驗結(jié)果表明，基于WEKA的關聯(lián)規(guī)則挖掘技術能有效的為針灸腧穴規(guī)律研究提供信息支持。

關鍵詞： Weka；針灸腧穴規(guī)律；數(shù)據(jù)挖掘；關聯(lián)規(guī)則

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）07-1361-03

針灸學是以中醫(yī)理論為指導，在繼承和發(fā)揚古代針灸學術思想和實踐經(jīng)驗的基礎之上，運用傳統(tǒng)和現(xiàn)代科學技術研究經(jīng)絡、腧穴、操作技能、治療法則、作用機制和防治疾病的一門學科，作為中醫(yī)學科體系中最具特色和優(yōu)勢的學科，以其獨特的治療方法和卓越的臨床療效得到了國內(nèi)外廣泛關注和高度重視。臨床上，由腧穴、施術方法和治療時間組成的針灸處方是實現(xiàn)針灸療效的重要條件，但在針灸臨床治療決策中，如何選取最優(yōu)化的針灸處方是針灸醫(yī)生面臨的一大難題。隨著信息技術的發(fā)展，醫(yī)學信息的迅猛增加，而人腦的儲存和處理信息的能力又有一定的局限性，因此會對臨床問題的思考、信息的判斷、尋找解決問題的辦法和制定臨床治療方案決策造成必然的困擾。

本文針對針灸臨床治療方案的數(shù)據(jù)特點，借鑒循證醫(yī)學的理念和方法整理、加工、更新以及評價古今針灸治療疾病的臨床證據(jù)，通過運用數(shù)據(jù)倉庫存儲、管理針灸診斷、治療疾病的古代和現(xiàn)代臨床證據(jù)以及相關針灸知識，結(jié)合針灸學科特點和臨床診治規(guī)律；通過對關聯(lián)規(guī)則及相關算法進行分析，將針灸穴位數(shù)據(jù)與關聯(lián)規(guī)則相結(jié)合，將歷代針灸數(shù)據(jù)在WEKA軟件中進行挖掘，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果，從而指導醫(yī)生的臨床治療方案決策。

1 關聯(lián)規(guī)則挖掘算法

1.1 關聯(lián)規(guī)則挖掘的基本概念

關聯(lián)規(guī)則挖掘是指從事務數(shù)據(jù)庫，關系數(shù)據(jù)庫和其他信息存儲中的大量數(shù)據(jù)的項集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關聯(lián)和相關性。

1.2 APRIORI算法

經(jīng)典的關聯(lián)規(guī)則挖掘算法是Agrawal R提出的Apriori算法，該算法是利用大項目集的任一子集也一定是大的這一性質(zhì)。使用逐層搜索的迭代方法，利用K項集探索K+1項集，將原始數(shù)據(jù)結(jié)構(gòu)分層。Apriori算法的基本思想是生成特定規(guī)模的候選項目集，然后掃描數(shù)據(jù)庫并進行計數(shù)，以確定這些候選項目集是大的。即掃描一次事務數(shù)據(jù)庫，找出頻繁1-項集的集合L1，基于L1來尋找所有可能的候選2-項集集合L2，類似上一步，L2用于尋找 L3，如此循環(huán)，直到不能找到頻繁項集。其中，候選項集的生成主要通過兩個步驟：連接和剪枝。即在第i趟掃描過程中，對候選項目集的集合Ci進行計數(shù)，也就是說用大項目集的集合Li生成Ci+1。只有一個項目集的所有子集都是大的，它才被認為是一個候選。為了生成大小為i+1的候選，要對前一趟掃描發(fā)現(xiàn)的大項目集進行連接運算。

2 Weka的框架結(jié)構(gòu)

WEKA的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個運行于Java平臺的開源系統(tǒng)，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。

Weka主要提供了數(shù)據(jù)挖掘的框架結(jié)構(gòu)，集合了大量能承擔數(shù)據(jù)挖掘任務的機器學習算法，包括對數(shù)據(jù)進行預處理，分類，回歸、聚類、關聯(lián)規(guī)則以及在新的交互式界面上的可視化。這些算法一般是直接應用于一個數(shù)據(jù)集上，還可以在其他的Java代碼中調(diào)用。在這些數(shù)據(jù)挖掘算法生成模型時，用戶可以自定義算法的各個相關參數(shù)，并且可以實現(xiàn)對測試集的驗證， 和對算法的比較。Weka提供了可編程的接口，使我們可以通過拓展算法來實現(xiàn)新的功能，同時Weka也允許我們通過調(diào)用它的公用包，在自己的項目中利用包中的算法實現(xiàn)相應的功能。使用WEKA不僅支持本身提供的ARFF格式的數(shù)據(jù)，同時還提供了對CSV文件的支持，而這種格式是被很多其他軟件所支持的。此外，WEKA還提供了通過JDBC訪問數(shù)據(jù)庫的功能。

3 Apriori算法在針灸腧穴規(guī)律中的應用

在中醫(yī)藥領域，數(shù)據(jù)挖掘技術已應用于中醫(yī)藥數(shù)據(jù)庫的建立、方劑配伍規(guī)律的研究、名老中醫(yī)經(jīng)驗總結(jié)、中醫(yī)藥數(shù)據(jù)規(guī)范處理，以及臨床診斷、療效評價、處方分析、圖像識別等研究。目前，已有不少學者開始將數(shù)據(jù)挖掘技術利用在臨床診療決策方面，而數(shù)據(jù)挖掘在針灸臨床決策的研究還處于起步階段，研究還比較少，主要是成都中醫(yī)藥大學的學者在從事這方面的研究，還有待進一步的發(fā)展，使用數(shù)據(jù)挖掘方法來處理大量的針灸臨床數(shù)據(jù)已顯得十分重要。本研究挖掘工具采用Weka3.7開放源代碼平臺，用Apriori方法，以貝爾面癱病例數(shù)據(jù)為例，找出其中的用穴規(guī)律。

3.1 數(shù)據(jù)選擇與處理

對于古代文獻數(shù)據(jù)參照了《中國針灸文獻提要》、《中國醫(yī)籍大辭典》《中國針灸薈萃·現(xiàn)存針灸醫(yī)籍卷》等書籍，選取影響范圍較大、傳播范圍廣的著作；對于現(xiàn)代文獻數(shù)據(jù)采用計算機檢索和手工檢索；數(shù)據(jù)以針灸療法治療貝爾面癱1400條醫(yī)案為例，取每條數(shù)據(jù)病名、針灸方法、穴位、療程等字段?，F(xiàn)代數(shù)據(jù)分為篇名、作者、病名、取穴等數(shù)據(jù)項。文獻錄入要保證忠實原始文獻并進行規(guī)范，對難以規(guī)范需要特殊處理的內(nèi)容填入“備注”項。部分數(shù)據(jù)如表1所示。

通過WEKA平臺使用關聯(lián)規(guī)則挖掘結(jié)果得出：針灸治療面癱地倉、頰車兩穴使用頻次最高，療效最好。其他具體穴位使用頻次見表2。針灸治療面癱腧穴配伍規(guī)律中，頰車與地倉兩穴配伍使用最多，他們的支持度和置信度都達到最高。具體配伍、置信度見表3。

通過對針灸治療面癱數(shù)據(jù)庫進行分析，從用關聯(lián)規(guī)則挖掘結(jié)果并結(jié)合針灸專業(yè)知識進行分析，其結(jié)果顯示：應用針灸療法治療貝爾面癱的經(jīng)絡腧穴的應用有明顯的規(guī)律特征。首先，從腧穴使用頻次分析來看，重視局部取穴，地倉、頰車、陽白、合谷、翳風等面部穴位的應用，體現(xiàn)了“腧穴所在，主治所在”的治療規(guī)律；同時迎香、下關、四白等穴位的應用也十分常見，體現(xiàn)了“經(jīng)脈所過、主治所及”的治療規(guī)律；其用穴還體現(xiàn)了針灸辯證論治的特點以經(jīng)脈辨治為主，對經(jīng)脈的選擇中，特別重視對翳風、合谷、風池等祛風解表穴位的應用，體現(xiàn)了對病因辨證治療的原則。從分析結(jié)果可以看出，循經(jīng)取穴是針灸治療面癱的重要原則，特定穴的運用是針灸處方的主要部分，這與針灸理論與臨床實踐是相符的。

5 結(jié)論

本文以大量針灸文獻為基礎，采用關聯(lián)規(guī)則挖掘方法，得出針灸治療面癱的用穴規(guī)律和配伍規(guī)律，為臨床醫(yī)生的治療方案提供了決策依據(jù)。 數(shù)據(jù)挖掘技術，對針灸臨床治療文獻海量數(shù)據(jù)的處理和分析有著重要的意義，其結(jié)果將為今后針灸臨床和科研提供新的思路和參考。

參考文獻：

[1] 梁繁榮，余曙光，李瑛，等.針灸治療貝爾麻痹臨床多中心隨機對照試驗研究[J].中醫(yī)雜志，2004，45（8）：584.

[2] 馬麗偉.關聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應用[M].南京：南京理工大學，2009.

[3] 宋新葵.一種新的改進的Apriori算法[J].微計算機信息，2009，12（45）：78-81.

[4] Agrawal R，Mannila H，Srikant R，et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining，1996：327-328.

[5] Karaboga D，Basturk B.On the performance of Artificial Bee Colony（ABC） algorithm[J].Applied Soft Comprting， 2010，8（1）：687-697.

摘要：針灸腧穴規(guī)律在針灸臨床治療中起著十分重要的作用，針對古今針灸臨床治療方案數(shù)據(jù)量大、關聯(lián)性強的特點，運用關聯(lián)分析中的Apriori算法，結(jié)合針灸學科特點和臨床診治規(guī)律，將經(jīng)過篩選轉(zhuǎn)換的數(shù)據(jù)在Weka平臺中分析，充分利用其中的類和可視化功能，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果。實驗結(jié)果表明，基于WEKA的關聯(lián)規(guī)則挖掘技術能有效的為針灸腧穴規(guī)律研究提供信息支持。

關鍵詞： Weka；針灸腧穴規(guī)律；數(shù)據(jù)挖掘；關聯(lián)規(guī)則

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）07-1361-03

針灸學是以中醫(yī)理論為指導，在繼承和發(fā)揚古代針灸學術思想和實踐經(jīng)驗的基礎之上，運用傳統(tǒng)和現(xiàn)代科學技術研究經(jīng)絡、腧穴、操作技能、治療法則、作用機制和防治疾病的一門學科，作為中醫(yī)學科體系中最具特色和優(yōu)勢的學科，以其獨特的治療方法和卓越的臨床療效得到了國內(nèi)外廣泛關注和高度重視。臨床上，由腧穴、施術方法和治療時間組成的針灸處方是實現(xiàn)針灸療效的重要條件，但在針灸臨床治療決策中，如何選取最優(yōu)化的針灸處方是針灸醫(yī)生面臨的一大難題。隨著信息技術的發(fā)展，醫(yī)學信息的迅猛增加，而人腦的儲存和處理信息的能力又有一定的局限性，因此會對臨床問題的思考、信息的判斷、尋找解決問題的辦法和制定臨床治療方案決策造成必然的困擾。

本文針對針灸臨床治療方案的數(shù)據(jù)特點，借鑒循證醫(yī)學的理念和方法整理、加工、更新以及評價古今針灸治療疾病的臨床證據(jù)，通過運用數(shù)據(jù)倉庫存儲、管理針灸診斷、治療疾病的古代和現(xiàn)代臨床證據(jù)以及相關針灸知識，結(jié)合針灸學科特點和臨床診治規(guī)律；通過對關聯(lián)規(guī)則及相關算法進行分析，將針灸穴位數(shù)據(jù)與關聯(lián)規(guī)則相結(jié)合，將歷代針灸數(shù)據(jù)在WEKA軟件中進行挖掘，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果，從而指導醫(yī)生的臨床治療方案決策。

1 關聯(lián)規(guī)則挖掘算法

1.1 關聯(lián)規(guī)則挖掘的基本概念

關聯(lián)規(guī)則挖掘是指從事務數(shù)據(jù)庫，關系數(shù)據(jù)庫和其他信息存儲中的大量數(shù)據(jù)的項集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關聯(lián)和相關性。

1.2 APRIORI算法

經(jīng)典的關聯(lián)規(guī)則挖掘算法是Agrawal R提出的Apriori算法，該算法是利用大項目集的任一子集也一定是大的這一性質(zhì)。使用逐層搜索的迭代方法，利用K項集探索K+1項集，將原始數(shù)據(jù)結(jié)構(gòu)分層。Apriori算法的基本思想是生成特定規(guī)模的候選項目集，然后掃描數(shù)據(jù)庫并進行計數(shù)，以確定這些候選項目集是大的。即掃描一次事務數(shù)據(jù)庫，找出頻繁1-項集的集合L1，基于L1來尋找所有可能的候選2-項集集合L2，類似上一步，L2用于尋找 L3，如此循環(huán)，直到不能找到頻繁項集。其中，候選項集的生成主要通過兩個步驟：連接和剪枝。即在第i趟掃描過程中，對候選項目集的集合Ci進行計數(shù)，也就是說用大項目集的集合Li生成Ci+1。只有一個項目集的所有子集都是大的，它才被認為是一個候選。為了生成大小為i+1的候選，要對前一趟掃描發(fā)現(xiàn)的大項目集進行連接運算。

2 Weka的框架結(jié)構(gòu)

WEKA的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個運行于Java平臺的開源系統(tǒng)，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。

Weka主要提供了數(shù)據(jù)挖掘的框架結(jié)構(gòu)，集合了大量能承擔數(shù)據(jù)挖掘任務的機器學習算法，包括對數(shù)據(jù)進行預處理，分類，回歸、聚類、關聯(lián)規(guī)則以及在新的交互式界面上的可視化。這些算法一般是直接應用于一個數(shù)據(jù)集上，還可以在其他的Java代碼中調(diào)用。在這些數(shù)據(jù)挖掘算法生成模型時，用戶可以自定義算法的各個相關參數(shù)，并且可以實現(xiàn)對測試集的驗證， 和對算法的比較。Weka提供了可編程的接口，使我們可以通過拓展算法來實現(xiàn)新的功能，同時Weka也允許我們通過調(diào)用它的公用包，在自己的項目中利用包中的算法實現(xiàn)相應的功能。使用WEKA不僅支持本身提供的ARFF格式的數(shù)據(jù)，同時還提供了對CSV文件的支持，而這種格式是被很多其他軟件所支持的。此外，WEKA還提供了通過JDBC訪問數(shù)據(jù)庫的功能。

3 Apriori算法在針灸腧穴規(guī)律中的應用

在中醫(yī)藥領域，數(shù)據(jù)挖掘技術已應用于中醫(yī)藥數(shù)據(jù)庫的建立、方劑配伍規(guī)律的研究、名老中醫(yī)經(jīng)驗總結(jié)、中醫(yī)藥數(shù)據(jù)規(guī)范處理，以及臨床診斷、療效評價、處方分析、圖像識別等研究。目前，已有不少學者開始將數(shù)據(jù)挖掘技術利用在臨床診療決策方面，而數(shù)據(jù)挖掘在針灸臨床決策的研究還處于起步階段，研究還比較少，主要是成都中醫(yī)藥大學的學者在從事這方面的研究，還有待進一步的發(fā)展，使用數(shù)據(jù)挖掘方法來處理大量的針灸臨床數(shù)據(jù)已顯得十分重要。本研究挖掘工具采用Weka3.7開放源代碼平臺，用Apriori方法，以貝爾面癱病例數(shù)據(jù)為例，找出其中的用穴規(guī)律。

3.1 數(shù)據(jù)選擇與處理

對于古代文獻數(shù)據(jù)參照了《中國針灸文獻提要》、《中國醫(yī)籍大辭典》《中國針灸薈萃·現(xiàn)存針灸醫(yī)籍卷》等書籍，選取影響范圍較大、傳播范圍廣的著作；對于現(xiàn)代文獻數(shù)據(jù)采用計算機檢索和手工檢索；數(shù)據(jù)以針灸療法治療貝爾面癱1400條醫(yī)案為例，取每條數(shù)據(jù)病名、針灸方法、穴位、療程等字段?，F(xiàn)代數(shù)據(jù)分為篇名、作者、病名、取穴等數(shù)據(jù)項。文獻錄入要保證忠實原始文獻并進行規(guī)范，對難以規(guī)范需要特殊處理的內(nèi)容填入“備注”項。部分數(shù)據(jù)如表1所示。

通過WEKA平臺使用關聯(lián)規(guī)則挖掘結(jié)果得出：針灸治療面癱地倉、頰車兩穴使用頻次最高，療效最好。其他具體穴位使用頻次見表2。針灸治療面癱腧穴配伍規(guī)律中，頰車與地倉兩穴配伍使用最多，他們的支持度和置信度都達到最高。具體配伍、置信度見表3。

通過對針灸治療面癱數(shù)據(jù)庫進行分析，從用關聯(lián)規(guī)則挖掘結(jié)果并結(jié)合針灸專業(yè)知識進行分析，其結(jié)果顯示：應用針灸療法治療貝爾面癱的經(jīng)絡腧穴的應用有明顯的規(guī)律特征。首先，從腧穴使用頻次分析來看，重視局部取穴，地倉、頰車、陽白、合谷、翳風等面部穴位的應用，體現(xiàn)了“腧穴所在，主治所在”的治療規(guī)律；同時迎香、下關、四白等穴位的應用也十分常見，體現(xiàn)了“經(jīng)脈所過、主治所及”的治療規(guī)律；其用穴還體現(xiàn)了針灸辯證論治的特點以經(jīng)脈辨治為主，對經(jīng)脈的選擇中，特別重視對翳風、合谷、風池等祛風解表穴位的應用，體現(xiàn)了對病因辨證治療的原則。從分析結(jié)果可以看出，循經(jīng)取穴是針灸治療面癱的重要原則，特定穴的運用是針灸處方的主要部分，這與針灸理論與臨床實踐是相符的。

5 結(jié)論

本文以大量針灸文獻為基礎，采用關聯(lián)規(guī)則挖掘方法，得出針灸治療面癱的用穴規(guī)律和配伍規(guī)律，為臨床醫(yī)生的治療方案提供了決策依據(jù)。 數(shù)據(jù)挖掘技術，對針灸臨床治療文獻海量數(shù)據(jù)的處理和分析有著重要的意義，其結(jié)果將為今后針灸臨床和科研提供新的思路和參考。

參考文獻：

[1] 梁繁榮，余曙光，李瑛，等.針灸治療貝爾麻痹臨床多中心隨機對照試驗研究[J].中醫(yī)雜志，2004，45（8）：584.

[2] 馬麗偉.關聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應用[M].南京：南京理工大學，2009.

[3] 宋新葵.一種新的改進的Apriori算法[J].微計算機信息，2009，12（45）：78-81.

[4] Agrawal R，Mannila H，Srikant R，et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining，1996：327-328.

[5] Karaboga D，Basturk B.On the performance of Artificial Bee Colony（ABC） algorithm[J].Applied Soft Comprting， 2010，8（1）：687-697.

摘要：針灸腧穴規(guī)律在針灸臨床治療中起著十分重要的作用，針對古今針灸臨床治療方案數(shù)據(jù)量大、關聯(lián)性強的特點，運用關聯(lián)分析中的Apriori算法，結(jié)合針灸學科特點和臨床診治規(guī)律，將經(jīng)過篩選轉(zhuǎn)換的數(shù)據(jù)在Weka平臺中分析，充分利用其中的類和可視化功能，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果。實驗結(jié)果表明，基于WEKA的關聯(lián)規(guī)則挖掘技術能有效的為針灸腧穴規(guī)律研究提供信息支持。

關鍵詞： Weka；針灸腧穴規(guī)律；數(shù)據(jù)挖掘；關聯(lián)規(guī)則

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）07-1361-03

針灸學是以中醫(yī)理論為指導，在繼承和發(fā)揚古代針灸學術思想和實踐經(jīng)驗的基礎之上，運用傳統(tǒng)和現(xiàn)代科學技術研究經(jīng)絡、腧穴、操作技能、治療法則、作用機制和防治疾病的一門學科，作為中醫(yī)學科體系中最具特色和優(yōu)勢的學科，以其獨特的治療方法和卓越的臨床療效得到了國內(nèi)外廣泛關注和高度重視。臨床上，由腧穴、施術方法和治療時間組成的針灸處方是實現(xiàn)針灸療效的重要條件，但在針灸臨床治療決策中，如何選取最優(yōu)化的針灸處方是針灸醫(yī)生面臨的一大難題。隨著信息技術的發(fā)展，醫(yī)學信息的迅猛增加，而人腦的儲存和處理信息的能力又有一定的局限性，因此會對臨床問題的思考、信息的判斷、尋找解決問題的辦法和制定臨床治療方案決策造成必然的困擾。

本文針對針灸臨床治療方案的數(shù)據(jù)特點，借鑒循證醫(yī)學的理念和方法整理、加工、更新以及評價古今針灸治療疾病的臨床證據(jù)，通過運用數(shù)據(jù)倉庫存儲、管理針灸診斷、治療疾病的古代和現(xiàn)代臨床證據(jù)以及相關針灸知識，結(jié)合針灸學科特點和臨床診治規(guī)律；通過對關聯(lián)規(guī)則及相關算法進行分析，將針灸穴位數(shù)據(jù)與關聯(lián)規(guī)則相結(jié)合，將歷代針灸數(shù)據(jù)在WEKA軟件中進行挖掘，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果，從而指導醫(yī)生的臨床治療方案決策。

1 關聯(lián)規(guī)則挖掘算法

1.1 關聯(lián)規(guī)則挖掘的基本概念

關聯(lián)規(guī)則挖掘是指從事務數(shù)據(jù)庫，關系數(shù)據(jù)庫和其他信息存儲中的大量數(shù)據(jù)的項集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關聯(lián)和相關性。

1.2 APRIORI算法

經(jīng)典的關聯(lián)規(guī)則挖掘算法是Agrawal R提出的Apriori算法，該算法是利用大項目集的任一子集也一定是大的這一性質(zhì)。使用逐層搜索的迭代方法，利用K項集探索K+1項集，將原始數(shù)據(jù)結(jié)構(gòu)分層。Apriori算法的基本思想是生成特定規(guī)模的候選項目集，然后掃描數(shù)據(jù)庫并進行計數(shù)，以確定這些候選項目集是大的。即掃描一次事務數(shù)據(jù)庫，找出頻繁1-項集的集合L1，基于L1來尋找所有可能的候選2-項集集合L2，類似上一步，L2用于尋找 L3，如此循環(huán)，直到不能找到頻繁項集。其中，候選項集的生成主要通過兩個步驟：連接和剪枝。即在第i趟掃描過程中，對候選項目集的集合Ci進行計數(shù)，也就是說用大項目集的集合Li生成Ci+1。只有一個項目集的所有子集都是大的，它才被認為是一個候選。為了生成大小為i+1的候選，要對前一趟掃描發(fā)現(xiàn)的大項目集進行連接運算。

2 Weka的框架結(jié)構(gòu)

WEKA的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個運行于Java平臺的開源系統(tǒng)，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。

Weka主要提供了數(shù)據(jù)挖掘的框架結(jié)構(gòu)，集合了大量能承擔數(shù)據(jù)挖掘任務的機器學習算法，包括對數(shù)據(jù)進行預處理，分類，回歸、聚類、關聯(lián)規(guī)則以及在新的交互式界面上的可視化。這些算法一般是直接應用于一個數(shù)據(jù)集上，還可以在其他的Java代碼中調(diào)用。在這些數(shù)據(jù)挖掘算法生成模型時，用戶可以自定義算法的各個相關參數(shù)，并且可以實現(xiàn)對測試集的驗證， 和對算法的比較。Weka提供了可編程的接口，使我們可以通過拓展算法來實現(xiàn)新的功能，同時Weka也允許我們通過調(diào)用它的公用包，在自己的項目中利用包中的算法實現(xiàn)相應的功能。使用WEKA不僅支持本身提供的ARFF格式的數(shù)據(jù)，同時還提供了對CSV文件的支持，而這種格式是被很多其他軟件所支持的。此外，WEKA還提供了通過JDBC訪問數(shù)據(jù)庫的功能。

3 Apriori算法在針灸腧穴規(guī)律中的應用

在中醫(yī)藥領域，數(shù)據(jù)挖掘技術已應用于中醫(yī)藥數(shù)據(jù)庫的建立、方劑配伍規(guī)律的研究、名老中醫(yī)經(jīng)驗總結(jié)、中醫(yī)藥數(shù)據(jù)規(guī)范處理，以及臨床診斷、療效評價、處方分析、圖像識別等研究。目前，已有不少學者開始將數(shù)據(jù)挖掘技術利用在臨床診療決策方面，而數(shù)據(jù)挖掘在針灸臨床決策的研究還處于起步階段，研究還比較少，主要是成都中醫(yī)藥大學的學者在從事這方面的研究，還有待進一步的發(fā)展，使用數(shù)據(jù)挖掘方法來處理大量的針灸臨床數(shù)據(jù)已顯得十分重要。本研究挖掘工具采用Weka3.7開放源代碼平臺，用Apriori方法，以貝爾面癱病例數(shù)據(jù)為例，找出其中的用穴規(guī)律。

3.1 數(shù)據(jù)選擇與處理

對于古代文獻數(shù)據(jù)參照了《中國針灸文獻提要》、《中國醫(yī)籍大辭典》《中國針灸薈萃·現(xiàn)存針灸醫(yī)籍卷》等書籍，選取影響范圍較大、傳播范圍廣的著作；對于現(xiàn)代文獻數(shù)據(jù)采用計算機檢索和手工檢索；數(shù)據(jù)以針灸療法治療貝爾面癱1400條醫(yī)案為例，取每條數(shù)據(jù)病名、針灸方法、穴位、療程等字段?，F(xiàn)代數(shù)據(jù)分為篇名、作者、病名、取穴等數(shù)據(jù)項。文獻錄入要保證忠實原始文獻并進行規(guī)范，對難以規(guī)范需要特殊處理的內(nèi)容填入“備注”項。部分數(shù)據(jù)如表1所示。

通過WEKA平臺使用關聯(lián)規(guī)則挖掘結(jié)果得出：針灸治療面癱地倉、頰車兩穴使用頻次最高，療效最好。其他具體穴位使用頻次見表2。針灸治療面癱腧穴配伍規(guī)律中，頰車與地倉兩穴配伍使用最多，他們的支持度和置信度都達到最高。具體配伍、置信度見表3。

通過對針灸治療面癱數(shù)據(jù)庫進行分析，從用關聯(lián)規(guī)則挖掘結(jié)果并結(jié)合針灸專業(yè)知識進行分析，其結(jié)果顯示：應用針灸療法治療貝爾面癱的經(jīng)絡腧穴的應用有明顯的規(guī)律特征。首先，從腧穴使用頻次分析來看，重視局部取穴，地倉、頰車、陽白、合谷、翳風等面部穴位的應用，體現(xiàn)了“腧穴所在，主治所在”的治療規(guī)律；同時迎香、下關、四白等穴位的應用也十分常見，體現(xiàn)了“經(jīng)脈所過、主治所及”的治療規(guī)律；其用穴還體現(xiàn)了針灸辯證論治的特點以經(jīng)脈辨治為主，對經(jīng)脈的選擇中，特別重視對翳風、合谷、風池等祛風解表穴位的應用，體現(xiàn)了對病因辨證治療的原則。從分析結(jié)果可以看出，循經(jīng)取穴是針灸治療面癱的重要原則，特定穴的運用是針灸處方的主要部分，這與針灸理論與臨床實踐是相符的。

5 結(jié)論

本文以大量針灸文獻為基礎，采用關聯(lián)規(guī)則挖掘方法，得出針灸治療面癱的用穴規(guī)律和配伍規(guī)律，為臨床醫(yī)生的治療方案提供了決策依據(jù)。 數(shù)據(jù)挖掘技術，對針灸臨床治療文獻海量數(shù)據(jù)的處理和分析有著重要的意義，其結(jié)果將為今后針灸臨床和科研提供新的思路和參考。

參考文獻：

[1] 梁繁榮，余曙光，李瑛，等.針灸治療貝爾麻痹臨床多中心隨機對照試驗研究[J].中醫(yī)雜志，2004，45（8）：584.

[2] 馬麗偉.關聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應用[M].南京：南京理工大學，2009.

[3] 宋新葵.一種新的改進的Apriori算法[J].微計算機信息，2009，12（45）：78-81.

[4] Agrawal R，Mannila H，Srikant R，et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining，1996：327-328.

[5] Karaboga D，Basturk B.On the performance of Artificial Bee Colony（ABC） algorithm[J].Applied Soft Comprting， 2010，8（1）：687-697.