[发明专利]一种基于词共现的中药处方向量空间模型方法及装置

说明书

本发明公开了一种基于词共现的中药处方向量空间模型方法及装置，该方法包括：预处理中药处方数据，保留药方与相应证型对应关系，构建药方事务集；扫描整个药方事务集，计算各个中药频率以及药对的词共现频率，并根据此计算药对词共现的支持度和置信度；当药对词共现的支持度和置信度大于对应预设阈值时，将该药对加入共现词集合，直至遍历事务集；将共现词集合中属于中药处方药对库的药对构建语义向量空间模型。本发明有效表示中药处方潜在语义信息，从而提高中药处方聚类效果。

技术领域

本发明属于中药处方聚类的技术领域，尤其是涉及一种基于词共现的中药处方向量空间模型方法及装置。

背景技术

中医文献作为中医学的主要知识资源，信息量非常庞大，文献工作者们在进行研究时，往往需要人工对这些资料进行收集、分类、加工、检索、统计和推理，劳动强度大，效率低。计算机技术的发展给中医文献研究提供了新思路和新方法。利用计算机技术来辅助人们完成对中医文献的部分整理工作，将能在很大程度减轻人们的负担，更好的促进中医药的研究和发展。

中医药信息的数字化工作开始于20世纪80年代，经过二十多年的发展已经取得了初步的成果。到目前为止已经有数十个中医药大学、学院及研究所建设了各种规模不同的中医药信息数据库近百个，初步实现了中医药信息数字化。现有的中药处方数据库的存在的主要不足是：对中药处方的核心信息处方中的药物及其用量信息没有细化，这给方剂数据的进一步利用造成了很大困难。目前专门讨论中药处方分类聚类方面的研究相对比较少。文本分类(Text Categorization)是利用计算机实现文本自动分类的技术。文本分类中常常采用向量空间模型(Vector Space Mode)来表示文档，并且已经有了比较成熟的分类器算法。可以利用文本分类技术对中医方剂进行自动分类，从而更好地组织和管理方剂。

然而，现有基于向量空间模型的中药处方分类方法存在如下问题：

由于向量空间模型忽略了词间的关联性，在中药处方研究中仅仅以单个中药为基础表示，不能很好地表示潜在语义信息，因此中药处方的聚类效果得不到有效地提高。

综上所述，现有技术中如何表示中药处方潜在语义信息从而提高中药处方聚类效果的问题，尚缺乏行之有效的解决方案。

发明内容

针对现有技术中存在的不足，解决现有技术中如何表示中药处方潜在语义信息从而提高中药处方聚类效果的问题，本发明提出了一种基于词共现的中药处方向量空间模型方法及装置，具体涉及到中医药方中共现词的抽取，中药药对与共现词的关联性，及处方的功能主治与词共现的关联性，设计了权值计算方法，通过基于词共现的中医药方向量空间模型，有效表示中药处方潜在语义信息，从而提高中药处方聚类效果。

本发明的第一目的是提供一种基于词共现的中药处方向量空间模型方法。

为了实现上述目的，本发明采用如下一种技术方案：

一种基于词共现的中药处方向量空间模型方法，该方法包括：

预处理中药处方数据，保留药方与相应证型对应关系，构建药方事务集；

扫描整个药方事务集，计算各个中药频率以及药对的词共现频率，并根据此计算药对词共现的支持度和置信度；

当药对词共现的支持度和置信度大于对应预设阈值时，将该药对加入共现词集合，直至遍历事务集；

将共现词集合中属于中药处方药对库的药对构建语义向量空间模型。

作为进一步的优选方案，所述预处理中药处方数据包括：对中药处方数据中的同义词、近义词和错别字进行修订。

作为进一步的优选方案，在本方法中，根据预处理中药处方数据中药方与相应证型对应关系，构建中药方剂药对，并根据中药方剂药对构建药方事务集。