[发明专利]基于LDA主题模型的中医药数据挖掘方法

权利要求书

1.一种基于LDA主题模型的中医药数据挖掘方法，包括以下具体步骤：

1）先在LDA模型中确定处方-主题和主题-药剂两组先验，处方-主题和主题-药剂分别由超参数α和β确定，使用AS方式对两组先验进行先验假设，所述AS方式为：处方-主题分布采用非对称的先验，主题-药剂分布采用对称的先验；

2）确定LDA模型中的主题数目；

3）采用Gibbs采样方法对上述LDA模型进行求解；

4）生成LDA模型的语义RDF文档，所述语义RDF文档包括一个四元组集合，所述四元组包括主体，谓词，客体，权重，将LDA模型的结果映射至四元组，并用语义RDF文档进行表示；

5）将药剂和处方进行关联，建立处方-主题-药剂的可视化结构网络G，该结构网络G由顶点集合V和边集合E组成，即G＝(V,E)，顶点集合V是包含处方、主题和药剂的本体的集合，边集合E是主题和药剂之间的关系的集合，其中，建立可视化结构网络G的步骤包括：对于语义RDF文档中的四元组集合中的每一个四元组，如果该四元组的权重高于预设的概率阈值p，则将该四元组加入所述可视化结构网络G中，将该四元组的主体和客体并入顶点集合V，将该四元组的谓词并入边集合E，当全部四元组均加入所述可视化结构网络G后，即得到最终的中医药主题模型网络图。

2.根据权利要求1所述的基于LDA主题模型的中医药数据挖掘方法，其特征在于，还包括预处理步骤：将所有处方划分为T个主题，用θ_z表示每个主题z在药剂库V上的多项分布，用φ_d表示每个处方d对T个主题的多项分布，其中，处方d的生成方式包括：采样φ_d～Dir(α)，对于处方中的每个药剂w，采样一个主题标签z～Multi(φ_d)，并生成与该主题标签z相对应的w～Multi(θ_z)，其中θ_(.)～Dir(β)，Dir表示狄利克雷分布，Multi表示多项分布。

3.根据权利要求1所述的基于LDA主题模型的中医药数据挖掘方法，其特征在于，所述步骤3还包括以下具体步骤：

预处理：进行中药处方文档转换，修改文档向量集合{w}使得得到{w′}，其中重量(w_m，n)为处方中药剂的重量，重量(d_m)为每个处方的重量；

初始化：遍历每个中药处方文档中的每一个单词，对Z_m，n采样，使得Z_m，m＝k～Multi(1/k)，令文档-主题计数加1，令主题-单词计数加1，令文档-主题计数n_m加1，令主题-单词计数n_k加1；

Gibbs采样：遍历每个中药处方文档中的每一个单词，令计数n_m、n_k分别减1；令当前单词满足令计数分别加1；检查收敛性，如果收敛且未达到迭代次数上限，分别从参数集合Φ和Θ中读取参数；

其中，{w}为文档向量集合，K为主题数目，{n_m}，{n_k}分别为计数统计及其计数和，{p(z_i|.)}为条件概率数组，{z}为主题相关度集合，Φ、Θ分别为多项分布参数集合。