[发明专利]基于LDA主题模型的中医药数据挖掘方法

摘要

本发明涉及中医药信息检索领域，公开了一种基于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；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，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。本发明的优点在于，适用于海量中药处方的处理和挖掘，并可以得到可视化的结构模型。

主权项

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。