[发明专利]基于复杂网络模型并行化标签传播算法的药物社团发现方法

权利要求书

1.一种基于复杂网络模型并行化标签传播算法的药物社团发现方法，其特征在于，包括如下步骤：

1)组网阶段：

a预处理以生成中药数据集，格式化为初始文本数据；

b将初始文本数据部署至Hadoop平台；

c并行化组建中药药物网络，该网络以药物为节点，将SC_AB大于给定阈值的节点连边；

d结束。

2)挖掘阶段：

a获取步骤1)-c处理生成的中药药物网络文本文件；

b将上述中药药物网络文本文件部署至Hadoop平台；

c实施并行化标签传播算法，即采用MapReduce框架并行化的标签传播算法，利用节点邻居信息迭代更新自身标签，以发现药物社团；

d)结束。

2.根据权利要求1所述的基于复杂网络模型并行化标签传播算法的药物社团发现方法，其特征在于，其中步骤1)-a中所说的预处理为抽取中药复方数据中所有复方的药物组成。

3.根据权利要求1所述的基于复杂网络模型并行化标签传播算法的药物社团发现方法，其特征在于，其中步骤1)-b中所说的部署为将步骤1)-a生成的初始文本数据上传至Hadoop平台的分布式文件系统。

4.根据权利要求1所述的基于复杂网络模型并行化标签传播算法的药物社团发现方法，其特征在于，其中步骤1)-c的具体过程如下：

1)为每个中药复方，即一行文本数据，设定一个唯一标识ID

2)建立从药物到复方标识ID之间的倒排索引；

3)为每个药物设定唯一药物标识id，其中包含该药物在复方中出现的频次；

4)对倒排索引进行还原，即再次实行倒排索引算法，每行复方读入此次任务的某个Map函数中，还原中药复方文本数据；

5)每个Map函数读取一行文本，解析出药物节点信息；

6)判断该Map函数中的复方所含药物还能否两两组建联合键值<Key，Value>，是则执行7)，否则执行8)；

7)组建联合键值<Key，Value>；

8)<Key，Value>经过shuffle&&sort发送到Reduce中，Reduce接收相同Key下组成的[Value]数组，按照下式计算两两药物间度量，将大于设定阈值的药对写入文件并保存至分布式文件系统中

其中|F_A∩F_B|表示药物A、B一起组方的次数，min{|F_A|，|F_B|}表示药物A、B中组方次数较少的药物的出现次数，而SC_AB表示药物A、B共现次数与最少出现药物次数的比率；

9)读取6)中生成的药对文件，即药物复杂网络的边集，格式化为邻接表形式保存中药网络拓扑结构；

10)结束。

5.根据权利要求1所述的基于复杂网络模型并行化标签传播算法的药物社团发现方法，其特征在于，步骤2)-c中并行化标签传播算法总过程是基于迭代式的，迭代终止条件是各节点标签基本稳定，其中并行化标签传播算法的一次迭代过程具体如下：

1)为每个药物节点设置唯一的初始标签id；

2)每个Map函数从HDFS读取一行文本，存入Value变量中；

3)解析Value变量中的数据，用临时数组Tmp[0]保存节点id，Tmp[1]保存邻接表AdjList及Label；

4)发送节点数据结构；

5)判断Label中是否只含有一个标签，即首次迭代，执行6)，否则执行7)；

6)令变量V＝标签1；

7)令变量V＝标签1&&标签2，其中标签1表示t-1次迭代的标签和标签2表示t-2次迭代的标签；

8)令变量i＝0；

9)判断i是否小于AdjList.1ength，是则执行步骤10，否则执行步骤12

10)发送<AdjList.get(i)，V>

11)i自增1，执行8)；

12)Map过程结束，Hadoop执行shuffle&&sort；

13)Reduce解析[Value]数组，分别用数据结构AdjLabelPA保存节点结构，临时链表ls₁，ls₂分别保存每个传递过来的l₁、l₂的值(如果有两个标签，否则ls₂为空)

14)根据下式找出新的节点标签；

Cx(t)=f(Cx1(t-1),...,Cxk(t-1),w*Cx1(t-2),...,w*Cxk(t-2))]]>

15)其中表示t-1次迭代x_k节点的标签，f函数返回的是邻居节点传递过来频次最多的标记；

16)更新AdjLabel中的t-1标签和t标签分别为C_x(t-1)与C_x(t)；

17)保存此次迭代的结果至分布式文件系统中；

18)结束。