金濤偉，冷榮偉，張 迪，劉 暢

(長(zhǎng)春中醫(yī)藥大學(xué)，吉林 長(zhǎng)春 130117)

1 引言

中醫(yī)學(xué)方劑即傳承數(shù)千年中醫(yī)藥知識(shí)的主要知識(shí)來(lái)源，其已經(jīng)被收錄中醫(yī)藥圖書(shū)高達(dá)上萬(wàn)種，而方劑就是中醫(yī)藥領(lǐng)域內(nèi)最為關(guān)鍵的研究?jī)?nèi)容，面對(duì)海量的方劑數(shù)據(jù)，要想得到所需求的信息，并非易事。信息技術(shù)的逐漸發(fā)展，使得人們能夠把各種中醫(yī)藥方劑放置在數(shù)據(jù)庫(kù)內(nèi)永久存儲(chǔ)。當(dāng)前已經(jīng)存在數(shù)十個(gè)中醫(yī)藥大學(xué)與研究所，構(gòu)建了不同規(guī)模的中醫(yī)藥信息數(shù)據(jù)庫(kù)。但由于中醫(yī)藥方劑數(shù)據(jù)內(nèi)會(huì)出現(xiàn)兩種方劑或多種方劑，并且這些方劑會(huì)出現(xiàn)十分相似的狀態(tài)，例如一種方劑和另外一種方劑相比，缺少一味藥劑組成成分，其它的成分則完全相同，所以，這些方劑之間存在某種關(guān)聯(lián)或潛在關(guān)系。當(dāng)前，中醫(yī)藥方劑相似度模型，大致是通過(guò)功效與組成成分兩個(gè)方面進(jìn)行相似度的分析。但只通過(guò)這兩方面并不能有效且精確地獲得其相似度數(shù)值，過(guò)程也較為復(fù)雜。

因此，本文提出了一種基于信任模型的中醫(yī)藥方劑相似度的計(jì)算方法。

2 信任模型下中醫(yī)藥方劑相似度計(jì)算

信任模型實(shí)際上即依靠歷史記錄與其它評(píng)測(cè)信息對(duì)中醫(yī)藥方劑的信任值進(jìn)行計(jì)算處理，通過(guò)信任值計(jì)算，為方劑剔除冗余成分。信任反應(yīng)即一種方劑對(duì)另一種方劑的相似度綜合評(píng)價(jià)，通過(guò)評(píng)價(jià)對(duì)方劑的將來(lái)提供可靠的預(yù)測(cè)。

2.1 直接信任計(jì)算

直接信任度即指方劑憑借自身的直接交互經(jīng)驗(yàn)，而獲得的對(duì)其它方劑的信任程度。

1)滿意度評(píng)測(cè)：在兩種方劑完成一次交互后，依靠方劑主成分評(píng)測(cè)方劑次成分提供的藥劑，通過(guò)s描述，s∈[0，1]，其中，0代表完全不同，1代表完全相同，s的值越大，就代表相似度越高。

2)事務(wù)干擾因子：在中醫(yī)藥方劑內(nèi)的各種成分一般不會(huì)出現(xiàn)變化，而冗余[1]成分如果添加在主體方劑中，可能會(huì)導(dǎo)致方劑的治愈效果降低。所以，在計(jì)算方劑信任度時(shí)加入事務(wù)干擾因子，通過(guò)TF來(lái)表述事務(wù)的關(guān)鍵程度。如果TF值越大，就證明事務(wù)對(duì)方劑的信任值干擾越大，反之，該事務(wù)對(duì)方劑信任值的干擾就越小。TF∈(0，1]，其距離通過(guò)主體方劑決定。

擬定方劑主成分i與方劑次成分j之間交互[2]的次數(shù)是m次，那么方劑主成分i對(duì)方劑次成分j的直接信任評(píng)測(cè)Evalij是

(1)

其中，s(i，j，m)代表方劑主成分i與方劑次成分j的第m次交互時(shí)相似度的評(píng)價(jià)，TF(i，j，m)代表方劑主成分i與方劑次成分j的第m次交互內(nèi)事務(wù)的干擾因子。

3)時(shí)間衰減函數(shù)：為了精確估算方劑內(nèi)主次成分的信任度，信任模型還需要考慮時(shí)間因素對(duì)信任值的干擾。距離目前時(shí)間相差不遠(yuǎn)的信任評(píng)測(cè)更能夠映射方劑主次成分的信任度[3]，應(yīng)給予較高的權(quán)重，距離目前時(shí)間較遠(yuǎn)的信任評(píng)測(cè)對(duì)方劑主次成分信任度估算干擾較小，應(yīng)給予較低的權(quán)重。針對(duì)這一問(wèn)題，本文使用時(shí)間衰減函數(shù)對(duì)不同時(shí)間段內(nèi)方劑的主次成分進(jìn)行信任度的干擾估算。時(shí)間衰減函數(shù)[4]如下所示

(2)

其中，ρ代表調(diào)節(jié)因子，0<ρ<1，a>0，T代表方劑目前的時(shí)間區(qū)段，Tk代表最近一次交互開(kāi)始的時(shí)間區(qū)段，λ代表方劑每天劃分的時(shí)間區(qū)段數(shù)，fk代表時(shí)間區(qū)段Tk里交互的時(shí)間衰減因子。

通過(guò)式(2)能夠看出，時(shí)間衰減函數(shù)f代表所有時(shí)間區(qū)段里都存在一種對(duì)應(yīng)的衰減因子，同時(shí)0

圖1 時(shí)間衰減因子變化圖

擬定方劑主成分i與次成分j在Tk個(gè)時(shí)間區(qū)段[5]里完成了n次交互，那么主成分i對(duì)次成分j的直接信任值TDij就是

TDij=Evalij×fk

(3)

其中，Evalij代表主成分i對(duì)次成分j的直接信任評(píng)測(cè)，fk代表時(shí)間區(qū)段Tk的衰減因子。

2.2 推薦信任估算

推薦信任度TR就是，方劑憑借其它方劑的推薦信息而獲得的對(duì)某方劑的信任強(qiáng)度。推薦可信度RC就是方劑對(duì)另一種方劑所給予的評(píng)估信任程度。

評(píng)測(cè)相似度Simij，在中醫(yī)學(xué)方劑內(nèi)，所有方劑的推薦可信度都是不同的，可信度高的方劑供給的推薦信息要比可信度低的推薦更為信賴。在進(jìn)行評(píng)估的時(shí)候，會(huì)更為愿意相信和自身信息相差無(wú)幾的方劑，所以需要給予較高的權(quán)重。評(píng)測(cè)相似度Simij是為了表示方劑主成分i與次成分j的評(píng)測(cè)相似度。如果Simij值較大，就證明主成分i和次成分j對(duì)剩余成分的看法越一致，就是主成分i與次成分j的相似度較高。本文利用余弦相似度函數(shù)對(duì)兩種成分之間的相似度進(jìn)行描述，描述的公式如下所示

(4)

其中，C(i，j)代表主成分i和次成分j的公共交互成分集合。

所以，主成分i對(duì)次成分j的推薦信任度TRij是

(5)

2.3 綜合信任估算

兩種方劑之間的綜合信任Tij就是通過(guò)期間的直接信任與推薦信任所組成的

Tij=αDTij+(1-α)RTij

(6)

認(rèn)定求信方劑和受信方劑之間的相似度代表期間的綜合信任權(quán)值，就是

α=BSij

(7)

在經(jīng)驗(yàn)豐富，非常信任自身評(píng)測(cè)時(shí)，能夠挑選人為評(píng)定的方式。但通常來(lái)講，人為評(píng)定會(huì)存在較強(qiáng)的主觀意識(shí)，合理性與科學(xué)性不足，因此就需要通過(guò)一些比較客觀的權(quán)重進(jìn)行側(cè)向評(píng)定。

當(dāng)前的方劑之間信任值進(jìn)行交互方劑的信任決策大致存在兩種：

1)依靠綜合信任值的距離挑選交互。

這種方式符合日常的交互習(xí)慣，通過(guò)挑選信任值最好的兩種方劑進(jìn)行交互，但這種方式存在缺點(diǎn)：信任值較高的方劑總會(huì)被選中進(jìn)行交互，其它方劑交互的機(jī)會(huì)就會(huì)變少，沒(méi)有機(jī)會(huì)提升自身的信任值，新的方劑與存在交叉[8]交互歷史的方劑比較難出頭，信任度較高的方劑獲得中醫(yī)學(xué)方劑交互請(qǐng)求較多，壓力較大。

2)憑借綜合信任值收集隨機(jī)挑選交互。

如果存在n種備選方劑能夠挑選其進(jìn)行試用，其綜合信任值是Tij，那么某種方劑j被挑選進(jìn)行試用的幾率Pj能夠通過(guò)式(8)進(jìn)行估算

(8)

隨機(jī)交互方式在確保信任值較高方劑被選中幾率較大基礎(chǔ)下，有效地解決了第一種方式所產(chǎn)生的缺點(diǎn)[9]，因此使用該方法進(jìn)行信任決策，確定方劑交互。

通過(guò)信任模型得到了方劑間存在的關(guān)聯(lián)結(jié)果與信任程度，使方劑相似度的計(jì)算更為便捷，但由于方劑的種類較多，并且每種方劑之間的組成成分也各不相同，因此需要通過(guò)一種分布形式得到計(jì)算方劑相似度的規(guī)范化因子。

2.4 方劑相似度計(jì)算

在得到方劑成分分布的情況下，方劑就能夠通過(guò)其相應(yīng)的主題分布進(jìn)行映射描述[10]，估算兩種方劑的相似度能夠轉(zhuǎn)換為估算主題分布的相似度。一般狀態(tài)下，通常使用DKL來(lái)估算幾率分布的尺寸，DKL如下所示

(9)

式中，p與q分別為兩種幾率分布。因?yàn)镈KL并不是對(duì)稱的，就是DKL(p，q)≠DKL(q，p)，因此使用DKL的對(duì)稱方式，其計(jì)算公式如下所示

Dr(p，q)=rDKL(p，rp+(1-r)q)+(1-r)

DKL(q，rq+(1-r)q)

(10)

式中，r代表控制參數(shù)。

在中醫(yī)藥領(lǐng)域內(nèi)，中醫(yī)學(xué)方劑相似度計(jì)算里，把文檔、主體、詞項(xiàng)的三者關(guān)聯(lián)構(gòu)建轉(zhuǎn)換為方劑、證型、組成成分。所以在中醫(yī)學(xué)領(lǐng)域，LDA為在方劑和組成成分之間以幾率的形式構(gòu)建證型關(guān)聯(lián)[11]，同時(shí)依靠方劑、證型幾率分布估算出方劑和方劑之間存在的相似度。在中醫(yī)學(xué)方劑內(nèi)所有方劑都是通過(guò)一些組成成分形成的，所以，能夠直接通過(guò)組成成分進(jìn)行相似度計(jì)算，不同于網(wǎng)絡(luò)文檔一樣需要對(duì)文檔進(jìn)行分詞處理。

在中醫(yī)證型模型內(nèi)基于LDA的大致方法流程如下所示：

步驟1：把數(shù)據(jù)放置在LDA主題模型內(nèi)進(jìn)行處理，處理流程如下：

1)憑借先驗(yàn)幾率P(di)挑選一種中藥方劑di。

2)憑借方劑證型的Dirichlet先驗(yàn)分布?內(nèi)取樣產(chǎn)生中醫(yī)學(xué)方劑di的證型分布θi，就是，證型分布θi，是通過(guò)超參數(shù)為?的Dirichlet分布產(chǎn)生的。

3)從證型的多項(xiàng)式分布θi內(nèi)采集樣本產(chǎn)生中醫(yī)學(xué)方劑di的第j種組成成分證型Tij。

4)憑借證型、組成成分Dirichlet先驗(yàn)分布b內(nèi)采集樣本產(chǎn)生證型Tij相應(yīng)的組成成分分布φi，即組成成分分布φi是通過(guò)，超參數(shù)為b的Dirichlet分布產(chǎn)生的。

5)從組成成分的多項(xiàng)式分布φi內(nèi)采集樣本[12]的最后生成成分Cij。

步驟2：去除1)內(nèi)2)方劑相應(yīng)的證型分布θi，所有方劑通過(guò)相應(yīng)的證型分布描述，對(duì)證型分布數(shù)據(jù)進(jìn)行兩兩KL距離DKL(p，q)計(jì)算，計(jì)算出的值就是兩種方劑的相似度。

3 仿真證明

仿真環(huán)境為Intel Celeron Tulatin1GHz CPU和384MB S是D內(nèi)存的硬件環(huán)境和MATLAB6.1的軟件環(huán)境。

為了證明本文方法的實(shí)用性，擬定了兩組實(shí)驗(yàn)：

1)樣本為五種已知相似度重復(fù)類型與相似度重復(fù)程度的中醫(yī)方劑，使用本方法進(jìn)行相似度計(jì)算，通過(guò)比較已知數(shù)據(jù)來(lái)確定本文方法的計(jì)算方式是否可行。實(shí)驗(yàn)結(jié)果如表1所示。

表1 本文算法的相似度計(jì)算結(jié)果

通過(guò)表1能夠看出，通過(guò)本文方法計(jì)算出的相似度結(jié)果，與實(shí)際的相似度計(jì)算結(jié)果相差不大，并且這些誤差較小，可忽略不計(jì)，不會(huì)對(duì)實(shí)際方劑造成影響。

在此基礎(chǔ)上，對(duì)相似度計(jì)算時(shí)間進(jìn)行記錄，并與運(yùn)算目標(biāo)時(shí)間進(jìn)行了對(duì)比，記錄結(jié)果如圖2所示。

圖2 本文方法相似度計(jì)算時(shí)間記錄結(jié)果

如圖2所示，五種方劑相似度計(jì)算時(shí)間與運(yùn)算目標(biāo)時(shí)間吻合度較高，具有較高的實(shí)際應(yīng)用性。

2)為了定量評(píng)測(cè)相似重復(fù)記錄檢測(cè)效果對(duì)各種方劑相似度計(jì)算的干擾，建造實(shí)驗(yàn)數(shù)據(jù)生成器，通過(guò)1)內(nèi)的五種方劑，使用本文方法進(jìn)行相似重復(fù)記錄檢測(cè)，憑借查準(zhǔn)率與查全率兩種閾值對(duì)檢測(cè)結(jié)果進(jìn)行評(píng)定。查準(zhǔn)率與查全率分別通過(guò)式(11)與(12)進(jìn)行計(jì)算。

(11)

(12)

式中：Z為檢測(cè)出的相似重復(fù)記錄總量；Q為相似重復(fù)記錄的總量；Y為系統(tǒng)中的相關(guān)信息的總量。

結(jié)果如圖3所示。

圖3 本文算法得到的檢測(cè)結(jié)果

通過(guò)圖3能夠看出，在查全率上，本文方法的指標(biāo)都能夠穩(wěn)定在0.700～1.000之間，這是因?yàn)楸疚姆椒ㄍㄟ^(guò)構(gòu)建信任模型來(lái)計(jì)算方劑之間的信任值，通過(guò)信任值確定方劑指標(biāo)間存在的誤差。而在查準(zhǔn)率指標(biāo)上，能夠看出，查準(zhǔn)率一直維持在1.000～0.900之間，因?yàn)榉絼?shù)量的增加，查準(zhǔn)率會(huì)出現(xiàn)輕微的浮動(dòng)，但幅度基本都維持在90%以上不會(huì)對(duì)方劑造成嚴(yán)重的影響，證明本文方法能夠?qū)χ嗅t(yī)方劑進(jìn)行較為精確的搜索，不會(huì)出現(xiàn)遺漏和誤差較大的問(wèn)題，并且不會(huì)因?yàn)橹貜?fù)記錄檢測(cè)的效果干擾到方劑之間的相似度計(jì)算結(jié)果。

4 結(jié)束語(yǔ)

為了剔除中醫(yī)學(xué)方劑內(nèi)存在的冗余信息，本文提出了一種基于信任模型的中醫(yī)藥方劑相似度的計(jì)算方法，通過(guò)構(gòu)建信任模型計(jì)算方劑之間存在的關(guān)聯(lián)，進(jìn)行相似度計(jì)算。但信任模型需要進(jìn)行多次迭代才能夠達(dá)到期望閾值，一旦計(jì)算量過(guò)大就會(huì)導(dǎo)致模型構(gòu)建時(shí)間增加，降低計(jì)算效率，因此下一步的研究即：優(yōu)化信任模型，使模型在構(gòu)造階段就能夠保持平穩(wěn)狀態(tài)，減少計(jì)算量。