[发明专利]基于复杂网络社区发现的层次重叠核心药群发现方法

权利要求书

1.基于复杂网络社区发现的层次重叠核心药群发现方法，其特征是包括如下步骤：

步骤一TCMF网络的构建方法：

a)对给定数量的方剂计算每味药物的贡献度和用量AC值并删掉AC值小于一定阈值的药物；

b)计算二元组药物的AC值做删减，再计算三元组药物的AC值做删减；

c)剩余三元组构建TCMF网络；

d)结束；

步骤二TCMF网络层次重叠核心药群发现方法：

a)预处理步骤一得到的TCMF网络；

b)对预处理后的TCMF网络执行MAIGA算法进行药群发现；

c)返回药群划分结果；

d)结束；

其中：

步骤一和步骤二所述的TCMF网络为中医药方剂网络；

步骤一-a所述的药物在方剂中的AC值，即将药物x的出现贡献度p_x，计算公式为：

px=1F.size---(1)]]>

式中F.size为方剂F所包含的药物种类数、即方剂中药物数量；

步骤一-b所述的二元组药物组合xy的AC值p_xy计算公式为：

pxy=2F.size---(2)]]>

步骤一-b所述的三元组药物组合xyz的AC值p_xyz计算公式为：

pxyz=2F.size---(3)]]>

步骤一-c中所述的剩余三元组构建TCMF网络为对AC值p_xyz大于给定阈值的三元组药物组合构建网络，其具体过程为：初始TCMF网络为空、即没有结点和边，遍历每个三元组药物组合，把三元组中每一味药物作为结点，若TCMF网络中不存在该药物结点，则将该结点加入网络，然后将该三元组中的三个药物结点每两个组合为一条边加入到TCMF网络中，从而构建得到TCMF网络；

步骤二-a中所述的预处理为对步骤一-c构建的TCMF网络设定停词阈值(max_ac)去除高AC值但是低相关的药物；

步骤二-b中所述的MAIGA算法为极大团生长算法(MAx clIque Growing Algorithm，简写MAIGA)，包括两部分，极大团生长(MaxCliqueGrowing)算法和簇合并(ClusterMerging)算法，其具体过程如下：

MAIGA算法极大团生长部分，具体步骤为：

步骤0为起始步骤；

步骤1为给定TCMF网络；

步骤2为计算TCMF网络结点度存于哈希表hmNodeDegree；

步骤3为判断hmNodeDegree是否为空，若不为空，执行步骤4，否则算法终止；

步骤4为取hmNodeDegree中度最大的结点u构建极大团C，构建过程为：寻找结点u及其邻结点集合N(u)，若结点集N(u)∪{u}不是完全图，则重复执行删掉N(u)中结点x的工作直到N(u)∪{u}是完全图，其中结点x在子图N(u)∪{u}中的内度最小；

步骤5为判断是否极大团C的结点数C.size＝2，若是，执行步骤6，否则执行步骤7；

步骤6为输出C并且hmNodeDegree.remove(u)，执行步骤3；

步骤7为寻找C邻结点集N_c，这里N_c←N(C，C)；U_c为C真子集，其中u为结点，S_c(S_c∈U_c)，U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤8为判断是否N_c为空，若空，执行步骤13，否则执行步骤9；

步骤9为任取N_c中一结点v；

步骤10为判断结点v是否满足d_vC+Cⁱⁿ≥σ(C.size+1)，若是执行步骤12，否则执行步骤11；

步骤11为N_c＝N_c-{v}，然后执行步骤8；

步骤12为执行算法Grow(C，v，C)，然后执行步骤11；

步骤13为求C真子集U_c，其中U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤14为取任一S_c∈U_c寻找其邻接点集中d_wS最大的结点w，执行Grow(S_c，w，C)；

步骤15为删除结点u到C中其它结点的边；

步骤16为更新hmNodeDegree，然后执行步骤3；

步骤17为算法的终止；

算法说明：极大团为极大完全图，它不会包含在比它更大的完全图中，哈希表hmNodeDegr存放<node，degree>键值对，Cⁱⁿ为社团C所包含边数，N_c←N(C，C_x)为求极大团C的不包含在C_x中的邻结点集合N_c。σ(|C|)为衡量社团生长合适度的密度函数：

σ(|C|)=|C|21-1|C|2---(4).]]>