兩種關(guān)聯(lián)規(guī)則算法在中醫(yī)藥治療方面的應(yīng)用及比較

王倩，金衛(wèi)，生慧*

(山東中醫(yī)藥大學(xué)，濟(jì)南 250355)

摘要：關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘方法作為數(shù)據(jù)挖掘領(lǐng)域最活躍的研究方法之一，已廣泛應(yīng)用于中醫(yī)藥領(lǐng)域的各個(gè)方面，使得中醫(yī)藥龐大的信息數(shù)據(jù)庫得以有效的利用，推動(dòng)了中醫(yī)藥信息化的發(fā)展。關(guān)聯(lián)規(guī)則算法中的Apriori算法和FP-growth算法在中醫(yī)藥治療方面一直備受關(guān)注，兩種算法在不同的中醫(yī)、疾病、方劑、治法等方面所挖掘出的不同關(guān)聯(lián)規(guī)則揭示了中醫(yī)藥治療的潛在規(guī)律，為傳承和發(fā)展中醫(yī)中藥知識(shí)奠定了理論基礎(chǔ)。對(duì)兩種算法在算法本身和算法應(yīng)用方面進(jìn)行簡(jiǎn)單比較，為進(jìn)一步探索關(guān)聯(lián)規(guī)則在中醫(yī)藥治療方面的應(yīng)用提供了參考。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；中醫(yī)藥；Apriori算法；FP-growth算法

DOI:10.13463/j.cnki.jlzyy.2015.01.003

中圖分類號(hào)：R2-03文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1003-5699(2015)01-0009-04

基金項(xiàng)目：山東省高等學(xué)?？萍加?jì)劃項(xiàng)目(J11LF10)。

作者簡(jiǎn)介：王倩(1990-)，女，大學(xué)本科，主要從事生物醫(yī)學(xué)信息處理研究。

收稿日期:(責(zé)任編輯：張曄2014-09-24)

*通信作者：生慧，電話-18560011658，電子信箱-shenghui2217@163.com

Application and comparison of two kinds of association rules in traditional

Chinese medicine treatment

WANG Qian,JIN Wei,SHENG Hui*

(Shandong University of Traditional Chinese Medicine,Jinan 250355,China)

Abstract：As one of the most active research methods in the field of data mining,the data mining method of association rule has been widely used in various aspects in the field of traditional Chinese medicine,which makes the large database of traditional Chinese medicine information can be utilized effectively,and promotes the development of traditional Chinese medicine modernization.Apriori algorithm and FP-growth algorithm of the association rules have attracted much attention in traditional Chinese medicine treatment.The different association rules mined by the two algorithms in aspects of Chinese medicine,diseases,drugs,treatment etc.reveal the potential rules of TCM treatment and establish the theoretical foundation for the inheritance and development of traditional Chinese medicine knowledge.A simple comparison between the two kinds of algorithm in the algorithm itself and the use of the algorithm was made to provide reference for further exploring in the application of association rules in traditional Chinese medicine.

Keywords:association rules;Traditional Chinese Medicine;Apriori algorithm;FP-growth algorithm

關(guān)聯(lián)規(guī)則反映一個(gè)事物與其他事物之間的相互依存性和關(guān)聯(lián)性。而關(guān)聯(lián)規(guī)則挖掘則是數(shù)據(jù)挖掘中最活躍的研究方法之一，其本質(zhì)是要找出隱藏在數(shù)據(jù)間的相互關(guān)系。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的步驟主要有兩步：找出所有支持度大于或等于規(guī)定最小支持度的頻繁項(xiàng)集，再由頻繁項(xiàng)集產(chǎn)生所期望的關(guān)聯(lián)規(guī)則[1]。其關(guān)聯(lián)規(guī)則的產(chǎn)生由支持度和置信度決定。在中醫(yī)藥領(lǐng)域，數(shù)據(jù)挖掘技術(shù)可用于證候診斷、方劑配伍、文獻(xiàn)研究、臨床病歷等方面，以輔助傳承中醫(yī)文化，指導(dǎo)現(xiàn)代中醫(yī)的發(fā)展。在目前針對(duì)中醫(yī)藥領(lǐng)域的數(shù)據(jù)挖掘中，關(guān)聯(lián)規(guī)則Apriori算法和FP-growth算法倍受研究人員的青睞。

1概念

Apriori算法為布爾關(guān)聯(lián)規(guī)則挖掘頻繁項(xiàng)集的原創(chuàng)性算法。該算法屬于寬度優(yōu)先算法[2]，使用逐層搜索的迭代方法，其中k項(xiàng)集用于探索(k+1)項(xiàng)集。首先,掃描整個(gè)數(shù)據(jù)庫，累計(jì)每個(gè)項(xiàng)的計(jì)數(shù)，找出滿足最小支持度的項(xiàng),得到頻繁1項(xiàng)集的集合L1。接下來循環(huán)進(jìn)行以下兩步：連接步，產(chǎn)生候選項(xiàng)集Ck；剪枝步，根據(jù)先驗(yàn)性質(zhì)“頻繁項(xiàng)集的所有非空子集也一定是頻繁的”[3]，剪除(k-1)項(xiàng)子集不在Lk-1中的候選k項(xiàng)集，當(dāng)Lk為空時(shí)終止循環(huán)[4]。

FP-growth算法則是一種不產(chǎn)生候選項(xiàng)目集而采用模式增長(zhǎng)的方式挖掘頻繁模式的算法。通過兩個(gè)步驟來完成：構(gòu)造頻繁模式樹FP-tree和調(diào)用FP-growth算法進(jìn)行頻繁項(xiàng)集挖掘。其原理是通過把每個(gè)事物映射到FP樹中的一條路徑將數(shù)據(jù)庫壓縮到一顆頻繁模式樹，但仍保留項(xiàng)目集關(guān)聯(lián)信息，然后將這種壓縮后的數(shù)據(jù)庫分成一組條件數(shù)據(jù)庫，每個(gè)關(guān)聯(lián)一個(gè)頻繁項(xiàng)，并分別挖掘每個(gè)數(shù)據(jù)庫[5]。對(duì)于每個(gè)模式片段，只需要考察與它相關(guān)聯(lián)數(shù)據(jù)集。因此,隨著被考察的模式的增長(zhǎng),這種方法可以顯著壓縮被搜索的數(shù)據(jù)集的大小。

2在中醫(yī)藥領(lǐng)域的應(yīng)用

2.1方劑配伍規(guī)律的研究方劑配伍規(guī)律能闡明方劑與病證之間治法的關(guān)系，揭示構(gòu)成方劑的諸要素與功效之間的關(guān)系。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可以輔助認(rèn)識(shí)方劑的效用和方內(nèi)各藥物之間的配伍關(guān)系，揭示方劑效用的物質(zhì)基礎(chǔ)和作用機(jī)制，進(jìn)而發(fā)現(xiàn)方劑的潛在功效和新用途，以便改進(jìn)傳統(tǒng)劑型，研發(fā)復(fù)方新藥[6-7]。

采用Apriori算法對(duì)《中醫(yī)方劑大辭典》中治療不同疾病的方劑進(jìn)行挖掘分析,得到針對(duì)不同疾病的相應(yīng)組方規(guī)律、核心藥物、高頻藥對(duì)及藥物功效配伍規(guī)律等。例如對(duì)其中587首腫瘤方進(jìn)行挖掘。結(jié)果表明，腫瘤方中理氣和活血藥物使用頻率最高，支持度高的藥對(duì)多為活血藥與行氣藥配伍，支持度前20的藥組都含有活血化瘀藥，且大多為活血化瘀藥與理氣藥配伍應(yīng)用。最終發(fā)現(xiàn)《中醫(yī)方劑大詞典》所收錄的腫瘤方常選用的藥物多具有行氣止痛、活血化瘀、補(bǔ)氣健脾的功效[8]。對(duì)治療肺痿疾病的方劑進(jìn)行組方規(guī)律分析,揭示了肺痿組方中藥物關(guān)聯(lián)規(guī)則，并根據(jù)關(guān)聯(lián)結(jié)果進(jìn)行新方分析，得到9個(gè)核心組合和9個(gè)候選新方，為臨床治療肺痿提供了核心組合及候選方劑[9]。應(yīng)用單味藥—藥對(duì)—藥組的數(shù)據(jù)挖掘思路，從簡(jiǎn)單到復(fù)雜，對(duì)四物湯中4味藥物的配伍關(guān)系進(jìn)行挖掘，發(fā)現(xiàn)四物湯中當(dāng)歸是聯(lián)系其他藥物的中心環(huán)節(jié)，而當(dāng)歸—地黃為方中的核心藥對(duì)，同時(shí)為方劑配伍規(guī)律的研究提供了新的思路和方法[10]。對(duì)治療痛經(jīng)的217首方劑進(jìn)行藥對(duì)應(yīng)用規(guī)律挖掘,得到當(dāng)歸—川芎等高頻藥對(duì)，而它們也是治療針對(duì)寒凝血瘀和氣滯血瘀型痛經(jīng)的少腹逐瘀湯、溫經(jīng)湯兩方的主要組成藥物，從而發(fā)現(xiàn)臨床上痛經(jīng)發(fā)病多為這兩種辨證分型，為臨床痛經(jīng)的辨證施藥提供參考[11]。在Apriori算法支持度、置信度的基礎(chǔ)上再引入興趣度概念,用以修剪無趣的規(guī)則，挖掘出更有意義的關(guān)聯(lián)規(guī)則,并以脾胃類方劑庫中的1 060首方劑為例使用Apriori算法進(jìn)行試驗(yàn)，通過設(shè)置興趣度值排除無意義的藥對(duì)人參—甘草,得到固定藥對(duì)白術(shù)—茯苓和尚未作為藥對(duì)使用但具有客觀關(guān)聯(lián)性的茯苓—木香藥物組合，提出如何利用這些相互關(guān)聯(lián)的藥物，是數(shù)據(jù)挖掘重點(diǎn)探討的對(duì)象[12]。

采用FP-growth算法對(duì)《方劑》教材中的方劑進(jìn)行挖掘來探討中藥復(fù)方配伍的規(guī)則。以治風(fēng)劑中的疏散外風(fēng)劑為例得到方劑的配方規(guī)則，得到防風(fēng)—細(xì)辛、甘草—細(xì)辛、川芎—細(xì)辛等藥物組合，為疏散外風(fēng)劑組方提供了參考[13]。以解表劑為例得到關(guān)系密切的中藥組合，麻黃—甘草、甘草—芍藥、桂枝—芍藥等，為解表藥組方提供了參考[14]。采用該算法的改進(jìn)算法FP-growth*算法，在存在共享前綴的條件下，遍歷結(jié)點(diǎn)的第一個(gè)子女結(jié)點(diǎn)就發(fā)現(xiàn)共享前綴，減少搜索共享前綴的時(shí)間，從而減少生成FP-Tree的時(shí)間，以提高挖掘效率。并對(duì)取自華佗中醫(yī)院的臨床方劑和上海市中醫(yī)中藥數(shù)據(jù)中心《中醫(yī)方劑數(shù)據(jù)庫》的脾胃方劑進(jìn)行挖掘，得到脾胃方劑的主藥甘草、陳皮、白術(shù)、人參等，補(bǔ)氣健脾方劑是最基本的用方，顯示出脾胃方劑遣方組藥的一些規(guī)律[15]。

2.2中藥藥性藥效的研究中藥藥性理論是中藥基本理論的重要組成部分，也是指導(dǎo)臨床使用中藥和闡釋中藥作用機(jī)制的重要依據(jù)。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可以探討中藥藥性四氣五味與具體功效之間的關(guān)聯(lián)關(guān)系，揭示四氣五味的藥性規(guī)律，為開發(fā)中藥新資源及指導(dǎo)臨床用藥提供理論線索。

采用Apriori算法對(duì)選自《中華本草》中8 980味中藥的四氣數(shù)據(jù)及關(guān)聯(lián)的藥物功能進(jìn)行關(guān)聯(lián)規(guī)則挖掘，得到涉及溫、平、寒三性的分類關(guān)聯(lián)規(guī)則11條，揭示了中藥溫平寒藥性規(guī)律[16]。挖掘選取《神農(nóng)本草經(jīng)》中的365味中藥,在建立氣—味—效三維立方體的基礎(chǔ)上，尋找氣—味—效之間的關(guān)聯(lián)規(guī)則并進(jìn)行初步分析，得到四氣、五味及四氣合五味與功效的關(guān)聯(lián)規(guī)則，為中藥藥性四氣五味理論研究提供新思路和新方法[17]。采用改進(jìn)的Apriori算法,對(duì)取自《中國藥典》《中藥學(xué)》教材等書籍的中藥藥性及其他屬性的相關(guān)數(shù)據(jù)進(jìn)行挖掘,將數(shù)據(jù)庫劃分成n部分，針對(duì)每個(gè)部分單獨(dú)產(chǎn)生一組頻繁項(xiàng)集，然后將這些項(xiàng)集并為一個(gè)總體的候選頻繁項(xiàng)目集，再對(duì)其執(zhí)行連接及剪枝等循環(huán)處理，直至產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。挖掘結(jié)果顯示，藥性與藥味、歸經(jīng)、化學(xué)成分、功能、藥理作用關(guān)系最密切的依次為溫—辛、平—肝、溫—揮發(fā)油、寒—清熱、溫—抗炎。通過中藥藥性與其他屬性間的關(guān)聯(lián)進(jìn)行初步探索，所得結(jié)果與中藥藥性傳統(tǒng)認(rèn)識(shí)相符，對(duì)中藥的藥性分析具有指導(dǎo)意義[18]。

采用FP-growth算法對(duì)含有596味藥、177個(gè)不同功效的數(shù)據(jù)進(jìn)行“效—效”關(guān)系挖掘。得到的結(jié)果表明，F(xiàn)P-growth算法挖掘中藥“效—效”關(guān)系正確率較高,60.30%基本符合中醫(yī)知識(shí)和中醫(yī)專家的經(jīng)驗(yàn)[19]；發(fā)現(xiàn)感冒藥材間關(guān)聯(lián)規(guī)則知識(shí),得到3味藥材組合的配伍規(guī)律，體現(xiàn)了感冒藥材之間存在客觀的藥性相互作用，并據(jù)此編排設(shè)計(jì)了新的中藥斗譜，提供了探索中藥斗譜內(nèi)外布局編排設(shè)計(jì)的新思路[20]。

2.3中醫(yī)治法用藥規(guī)律中醫(yī)強(qiáng)調(diào)辨證論治，即根據(jù)證的不同采取不同的治法及方藥，并通過古代及當(dāng)代名醫(yī)的積累總結(jié)產(chǎn)生了許多針對(duì)特定病證或證候的治法。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可以探索某一特定中醫(yī)治法潛在的用藥規(guī)律，通過其內(nèi)在的藥物聯(lián)系更深入地剖析中醫(yī)治法的根本，為中醫(yī)治法在臨床應(yīng)用和改進(jìn)上提供有力的理論依據(jù)。

采用Apriori算法,對(duì)檢索醫(yī)學(xué)數(shù)據(jù)庫中以滋陰補(bǔ)腎法治療腦卒中恢復(fù)期的臨床研究報(bào)道得到的16首方劑，分析方劑中藥對(duì)的應(yīng)用規(guī)律，得到使用頻率較高的藥對(duì)牛膝—桑寄生，牛膝—地龍等，與中醫(yī)經(jīng)典記載及臨床應(yīng)用相吻合[21]。對(duì)檢索中國知網(wǎng)、中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫中有關(guān)運(yùn)用清熱、活血方為主的熏洗法治療痔病術(shù)后恢復(fù)期的臨床研究報(bào)道得到的87首方劑，得到應(yīng)用頻率較高的藥對(duì)苦參—黃柏，苦參—當(dāng)歸等，并發(fā)現(xiàn)清熱藥和活血化瘀藥物的使用頻次、藥對(duì)配伍最多，對(duì)痔病術(shù)后預(yù)防和緩解并發(fā)癥療效確切，治愈率高，可以有效指導(dǎo)臨床實(shí)踐[22]。對(duì)檢索醫(yī)學(xué)數(shù)據(jù)庫中以補(bǔ)腎益氣活血化瘀法治療腦卒中恢復(fù)期的臨床研究報(bào)道得到的18首方劑，得到支持度較高的藥對(duì)黃芪—川芎，黃芪—水蛭等，發(fā)現(xiàn)補(bǔ)腎益氣活血化瘀法治療腦卒中恢復(fù)期的用藥規(guī)律，為臨床提供有效的理論指導(dǎo)[23]。

2.4名老中醫(yī)醫(yī)案挖掘名老中醫(yī)醫(yī)案是將中醫(yī)理論與臨床實(shí)踐相結(jié)合并不斷創(chuàng)新的結(jié)果，包含了中醫(yī)的基本原則和名老中醫(yī)的獨(dú)特見解，為中醫(yī)的傳承提供了寶貴資源。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可以分析記錄這些名老中醫(yī)臨床診療經(jīng)驗(yàn)的醫(yī)案，發(fā)現(xiàn)他們?cè)\療方式及辨證用藥的獨(dú)特性，為更好地指導(dǎo)臨床工作奠定了理論基礎(chǔ)。

采用Apriori算法對(duì)收集自中醫(yī)腎病專家聶莉芳治療CRF(慢性腎功能衰竭)患者的門診及病房病案，對(duì)癥狀、中藥、方劑及其相互關(guān)聯(lián)進(jìn)行分析挖掘。結(jié)果說明，慢性腎衰病機(jī)氣陰兩虛證最為多見，并得到治療CRF常用中藥、常用藥對(duì)藥組和常用方劑等,體現(xiàn)了抓主癥選方、隨癥加減的用藥規(guī)律,為CRF在中醫(yī)臨床的診療提供了可靠的依據(jù)[24]。以顏正華教授治療胃脘痛的臨床處方為研究數(shù)據(jù)，采用Apriori算法提取關(guān)聯(lián)規(guī)則,得到藥物的核心組合和新處方，為傳承和深入挖掘名老中醫(yī)的治療方法提供了參考[25]。以中醫(yī)院中名老中醫(yī)關(guān)于典型的Ⅱ型糖尿病醫(yī)案為研究對(duì)象,構(gòu)建了基于Apriori算法的數(shù)據(jù)挖掘平臺(tái)，挖掘名老中醫(yī)關(guān)于Ⅱ型糖尿病的醫(yī)案中藥物之間的相互關(guān)聯(lián)，得出治療Ⅱ型糖尿病最常用的中藥和藥對(duì)，為Ⅱ型糖尿病在中醫(yī)臨床診療提供了寶貴經(jīng)驗(yàn)[26]。

3結(jié)語

在現(xiàn)有中醫(yī)藥領(lǐng)域的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘中，就算法本身來說，有實(shí)驗(yàn)證明在支持度較小的情況下，F(xiàn)P-growth算法較Apriori算法有著明顯的優(yōu)勢(shì)[27]。Apriori算法易于實(shí)現(xiàn)，但在實(shí)際應(yīng)用中存在一些難以克服的缺陷，頻繁掃描數(shù)據(jù)庫、產(chǎn)生大量候選項(xiàng)集等；FP-Growth算法可以實(shí)現(xiàn)對(duì)無向項(xiàng)集圖的實(shí)時(shí)構(gòu)造，無需頻繁掃描數(shù)據(jù)庫，算法性能顯著提高[28]。就算法應(yīng)用來說,Apriori算法多于FP-growth算法。作為原始經(jīng)典算法之一的Apriori算法已廣泛應(yīng)用于中醫(yī)藥方劑配伍、藥性藥效、中醫(yī)治法、中醫(yī)醫(yī)案等多方面的挖掘當(dāng)中，挖掘結(jié)果也基本與中醫(yī)經(jīng)典記載和臨床經(jīng)驗(yàn)相吻合[29]；而FP-growth算法明顯在應(yīng)用上不及Apriori算法，應(yīng)用范圍相對(duì)較局限。

總體來說，兩種算法的運(yùn)用大部分還停留在小范圍數(shù)據(jù)的理論階段，尚未有大范圍數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘，其結(jié)論的應(yīng)用也相對(duì)局限，能為相應(yīng)領(lǐng)域提供一定理論指導(dǎo)，但尚未真正應(yīng)用到臨床實(shí)踐中。隨著中醫(yī)藥數(shù)據(jù)庫的逐步建立和完善,關(guān)聯(lián)規(guī)則Apriori算法和FP-growth算法挖掘?qū)⒂懈尤娴臄?shù)據(jù)支持，探索結(jié)果也將會(huì)更加準(zhǔn)確實(shí)用，指導(dǎo)性和實(shí)踐性提高，必定會(huì)對(duì)數(shù)據(jù)挖掘在中醫(yī)藥領(lǐng)域的發(fā)展有極大的推動(dòng)作用。

參考文獻(xiàn)：

[1]馬麗偉.關(guān)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(yīng)用[D].南京:南京理工大學(xué),2009.

[2]張成叔.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘方法的研究及應(yīng)用[J].軟件,2013,34(9):138-140.

[3]韓家煒,Micheline Kamber,裴健.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2012.

[4]劉閩碧.基于粗糙集和Apriori算法的中醫(yī)病證關(guān)聯(lián)研究[J].福建電腦,2012(10):105-107.

[5]韋玉科,汪仁煌,李江平,等.一種新的關(guān)聯(lián)規(guī)則挖掘算法研究[J].計(jì)算機(jī)應(yīng)用研究,2008,25(10):2962-2964.

[6]王春山.數(shù)據(jù)挖掘技術(shù)在方劑配伍領(lǐng)域的應(yīng)用研究[D].杭州：浙江大學(xué),2006.

[7]王喜軍,張寧,常存庫,等.方劑配伍規(guī)律的研究現(xiàn)狀和未來發(fā)展[J].世界科學(xué)技術(shù),2006,8(4):13-16.

[8]尹剛,唐德才,趙凡,等.中醫(yī)腫瘤方配伍規(guī)律初探[J].南京中醫(yī)藥大學(xué)學(xué)報(bào),2013,29(2):111-113.

[9]李健,張瑞賢,唐仕歡,等.《中醫(yī)方劑大辭典》中治療肺痿方劑的用藥規(guī)律分析[J].中國實(shí)驗(yàn)方劑學(xué)雜志,2012,18(10):1-5.

[10]陳芳,朱敏,尚爾鑫,等.基于Apriori算法的四物湯類方組方特點(diǎn)分析[J].中華中醫(yī)藥雜志,2011,26(2):246-252.

[11]宿樹蘭,尚爾鑫,葉亮,等.治療痛經(jīng)方藥的關(guān)聯(lián)規(guī)則分析[J].南京中醫(yī)藥大學(xué)學(xué)報(bào),2008,24(6):383-385.

[12]李湘君.改進(jìn)的Apriori算法在中藥復(fù)方數(shù)據(jù)挖掘中的應(yīng)用[J].中華醫(yī)學(xué)雜志,2013,19(8):621-628.

[13]劉閩碧.基于FP-Growth算法的中藥配方數(shù)據(jù)挖掘[J].醫(yī)學(xué)信息,2009,22(12):2629-2631.

[14]王瑞祥,崔利銳,白玲玲,等.基于FP-Growth算法的中藥關(guān)聯(lián)程度分析[J].遼寧中醫(yī)藥大學(xué)學(xué)報(bào),2007,9(4):7-8.

[15]董輝.基于改進(jìn)FP-Growth算法的中藥方劑配伍規(guī)律挖掘研究[J].中國衛(wèi)生統(tǒng)計(jì),2007,24(6):656-658.

[16]楊雪梅,林端宜,賴新梅,等.挖掘中藥功能組合判定四氣藥性的規(guī)律[J].中國中藥雜志,2013,38(10):1624-1626.

[17]金銳,張冰,劉欣.基于Apriori算法的中藥氣-味-效三維數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘研究[J].中西醫(yī)結(jié)合學(xué)報(bào),2011,9(7):794-802.

[18]于紅艷,許成剛.關(guān)聯(lián)挖掘技術(shù)在中藥藥性及其他屬性間關(guān)系的應(yīng)用研究[J].中國實(shí)驗(yàn)方劑學(xué)雜志,2013,19(14):343-346.

[19]蔡爭(zhēng)真,田玲.基于FP-growth方法的中藥“效—效”關(guān)系挖掘[J].成都信息工程學(xué)院學(xué)報(bào),2007,22(6):677-681.

[20]桑秀麗,肖漢杰,高松.感冒藥材關(guān)聯(lián)規(guī)則知識(shí)發(fā)現(xiàn)下的配伍規(guī)律與斗譜編排研究[J].昆明理工大學(xué)學(xué)報(bào),2013,38(1):54-58.

[21]趙耀武,張斌,張文亮,等.滋陰補(bǔ)腎法治療中風(fēng)恢復(fù)期的用藥規(guī)律研究[J].時(shí)珍國醫(yī)國藥,2010,21(3):677-679.

[22]趙洪波,吳曉晶,楊云.清熱活血法在痔病術(shù)后的用藥規(guī)律[J].世界華人消化雜志,2014,22(1):153-158.

[23]張斌,張文亮,趙耀武,等.補(bǔ)腎益氣活血化瘀法治療中風(fēng)恢復(fù)期的用藥規(guī)律及研究[J].中國中藥雜志,2010,35(8):1082-1085.

[24]李賽,聶莉芳,孫紅穎.聶莉芳治療慢性腎功能衰竭經(jīng)驗(yàn)的關(guān)聯(lián)規(guī)則分析[J].中華中醫(yī)藥雜志,2011,26(7):1602-1606.

[25]吳嘉瑞,張冰,楊冰.基于關(guān)聯(lián)規(guī)則和復(fù)雜系統(tǒng)熵聚類的顏正華教授治療胃脘痛用藥規(guī)律研究[J].中國實(shí)驗(yàn)方劑學(xué)雜志,2012,18(20):1-5.

[26]蔡莉.基于名老中醫(yī)Ⅱ型糖尿病醫(yī)案的數(shù)據(jù)挖掘研究[J].佳木斯教育學(xué)院學(xué)報(bào),2013(11):447-448.

[27]晏杰,亓文娟.基于Apriori & FP-growth算法的研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2013,22(5):122-125.

[28]張博.FP-Growth算法在中藥數(shù)據(jù)挖掘中的應(yīng)用[J].湖南工程學(xué)院學(xué)報(bào),2011,21(3):28-30.

[29]王樹鵬,劉書宇.數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥領(lǐng)域中的應(yīng)用研究[J].中華中醫(yī)藥學(xué)刊,2011,29(1):36-38.