传统的数据挖掘方法一般从组方中所有的药物出发,挖掘药物的用药规律,计算量大,且仅仅基于药物频次对组方进行研究,忽略了药物剂量因素,难以发现频次低但剂量占比高的具有良好疗效的药物。针对以上问题,提出一种改进的基于效用度(Effect...传统的数据挖掘方法一般从组方中所有的药物出发,挖掘药物的用药规律,计算量大,且仅仅基于药物频次对组方进行研究,忽略了药物剂量因素,难以发现频次低但剂量占比高的具有良好疗效的药物。针对以上问题,提出一种改进的基于效用度(Effect Degree,ED)核心药物发现算法,并将基于效用度的点式互信息(Pointwise Mutual Information with Herb Pair ED,PMIED)与节点度结合,定义一种新的加权相关系数作为药物权重,在所发现的核心药物中运用层次聚类算法研究用药规律。实验结果表明,该算法可有效挖掘出组方中的核心药物,经过分析,所发现的核心药物和药物组合均对痰瘀互阻证具有良好疗效。展开更多
结合基于图的关联规则挖掘和双向搜索的策略,产生最大频繁项集,从而提出基于图的最大频繁项集(graph based maximum frequen tset,GBMFS)生成算法。运用此算法,结合社会网络的动态特征,发现社会网络中所存在的团伙的核心成员。最后,在...结合基于图的关联规则挖掘和双向搜索的策略,产生最大频繁项集,从而提出基于图的最大频繁项集(graph based maximum frequen tset,GBMFS)生成算法。运用此算法,结合社会网络的动态特征,发现社会网络中所存在的团伙的核心成员。最后,在实际系统中对相关的算法进行了验证。展开更多
文摘传统的数据挖掘方法一般从组方中所有的药物出发,挖掘药物的用药规律,计算量大,且仅仅基于药物频次对组方进行研究,忽略了药物剂量因素,难以发现频次低但剂量占比高的具有良好疗效的药物。针对以上问题,提出一种改进的基于效用度(Effect Degree,ED)核心药物发现算法,并将基于效用度的点式互信息(Pointwise Mutual Information with Herb Pair ED,PMIED)与节点度结合,定义一种新的加权相关系数作为药物权重,在所发现的核心药物中运用层次聚类算法研究用药规律。实验结果表明,该算法可有效挖掘出组方中的核心药物,经过分析,所发现的核心药物和药物组合均对痰瘀互阻证具有良好疗效。
