[发明专利]一种核心方的分析发现方法

说明书

本发明公开了一种核心方的分析发现方法，涉及中医专科专病、医家以及文献核心方大数据关联性研究技术领域，解决了现有技术基于关联规则的分析方法对于药物之间“关联”的定义较为模糊以及基于聚类的核心方关联研究方法在特征值提取和相似度度量方法上存在较大差异的问题。该核心方的分析发现方法在基于知识图谱的基础上利用深度学习技术赋予每个知识单元个体坐标映射，充分利用距离信息，体现他们之间的关联，可综合关联规则、样品聚类和复杂网络社团发现的优势，并达到上述传统方法不具备的优势，即多尺度知识图谱呈现和知识推理。用户可以自由设定社群数量，在常用药对语义检索、可视化中药社团发现，单味药、基础方关联性研究上有显著的优越性。

技术领域

本发明涉及中医专科专病、医家以及文献核心方大数据关联性研究技术领域，尤其涉及一种核心方的分析发现方法。

背景技术

在中医药学领域中，药物的药对配伍规律中具有高水平支持度，即出现频次较高的药物组合即为核心方。而在中药知识图谱的构建中，需要对中药核心方进行挖掘以发现相互之间的关联性。知识图谱融合所有学科，将不同来源、不同类型、不同结构的知识单元通过链接关联成图，基于各学科的元数据，为用户提供更广度、更深度的知识体系并不断扩充。其本质上是将领域知识数据体系化、关系化，并以图的方式将知识可视化。简单来说，知识图谱是基于信息系统建立的知识体系，通过数据采集、数据挖掘、信息处理、知识计量和图形绘制等技术把复杂的知识领域系统地显示出来，揭示知识领域的动态发展规律。作为中药知识图谱构建过程中的重要数据源，中药核心方的关联显得尤其重要。

现有技术主要应用关联规则和复杂网络对中药核心方进行挖掘，上述方法均多以频数分析作为统计推断基础，虽应用广泛但仍存在局限，如参数的设置水平不统一，结果评价标准不一致，时常得出冗余结论或用传统配伍理论无法解释的结论等。基于关联规则的分析方法对于药物之间“关联”的定义较为模糊；基于聚类的核心方发现的各个研究在特征值提取和相似度度量方法上存在较大差异；复杂网络分析方法划分应用于核心方发现目前还停留在节点度分析的阶段，缺乏理论与分析角度上的深层结合。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种核心方的分析发现方法。

为了实现上述目的，本发明采用了如下技术方案：

一种核心方的分析发现方法，其特征在于，包括步骤：

S1、构建可视化的中药知识图谱；

S2、基于中药知识图谱挖掘核心方；

S3、通过深度学习器将中药知识图谱中的核心方及其配伍构建对应的坐标映射，并建立核心方之间的语义距离信息，建立核心方之间体现相互之间关联度的有向网络；

在步骤S3的实施过程中又包括以下步骤：

S301、确立坐标原点，根据所选各知识元节点属性特征计算地图坐标以定位各节点，输出症状与病机的知识地图；

S302、通过设定聚类个数对已有节点进行样品聚类，根据聚类结果进行区块划分，以不同的背景色区别不同聚类；

S303、根据步骤S1中确定的节点类别分组结果为节点着色，根据步骤S2中的节点赋权结果调整节点大小。

进一步地，在上述的一种核心方的分析发现方法中，在步骤S1中，所述中药知识图谱的创建包括以下步骤：

S101、从元文本数据中抽取单味药及方剂数据；

S102、对S101中所抽取数据进行清洗，根据相应中医药本体标准确定单味药知识元、方剂知识元；

S103、建立单味药知识元节点集与方剂知识元节点集，根据各节点在数据集中的频数分布确立其权重。