基于双向聚类方法的中医治疗中风病方剂配伍规律知识发现(1)
| 第1页 |
参见附件。
摘要：目的 深入探索方剂的制方要素，总结方药证治规律，找到对其中药理起关键作用的核心药/药组，为方剂配伍理论研究、药性理论研究、中医临床用药研究提供新方法和现代技术手段。方法 从《中国方剂数据库》和《方剂现代应用数据库》中获取治疗中风病的方药文本数据源，经预处理、信息抽取后构建方药矩阵，引入双向聚类方法对方-药两方面数据同时聚类。结果 预处理后得到有效记录648首，共计6913味药，生成了100×648“方-药”矩阵，最后得到4组聚类指标，高描述度代表方共8首，总结出针对不同证型配伍用药特点及各证型辨证论治的治则治法及各型常用药对药组。结论 本方法适用于中医方剂数据库中方-药知识发现，可有效抽取所需方药信息，梳理出方药证治规律。
关键词：中风；方剂；配伍；数据挖掘；双向聚类；聚类分析；知识发现
DOI：10.3969/j.issn.1005-5304.2013.11.007
中图分类号：R2-05；R277.733 文献标识码：A 文章编号：1005-5304(2013)11-0016-04
医学信息量的不断增长催生了一项目前在医学信息学领域的活跃分支——医学数据挖掘/知识发现。在该领域中，聚类方法是一项核心技术，是探索性数据分析和模式发现的一种重要手段[1]。聚类分析是一个将数据集划分为若干类的过程，其结果是使得同一类内的对象具有较高的相似度，而不同类中的对象是不相似的[2]。在统计分析和模式识别领域，聚类已被广泛研究，提出了大量的理论和方法，并取得了丰硕的研究成果[3]。
基金项目：辽宁省教育厅科研课题(L2012345)
双向聚类(biclustering)源于Hartigan[4]提出的同时聚类算法 ......
您现在查看是摘要介绍页，详见PDF附件。