方劑配伍規(guī)律的可視化表示方法與知識發(fā)現(xiàn)

樊鳳杰 洪文學 宋佳霖 李少雄 鄭存芳

1(燕山大學電氣工程學院生物醫(yī)學工程系，河北 秦皇島 066004)2(東北大學大數(shù)據(jù)分析中心，河北 秦皇島 066004)

方劑配伍規(guī)律的可視化表示方法與知識發(fā)現(xiàn)

樊鳳杰1*洪文學1,2宋佳霖1李少雄1鄭存芳1

1(燕山大學電氣工程學院生物醫(yī)學工程系，河北 秦皇島 066004)2(東北大學大數(shù)據(jù)分析中心，河北 秦皇島 066004)

方劑配伍規(guī)律研究是中醫(yī)現(xiàn)代化研究的核心問題之一。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展和中醫(yī)信息化的逐漸深入，很多數(shù)據(jù)挖掘方法已被應(yīng)用到方劑配伍規(guī)律研究領(lǐng)域?；谛问礁拍罘治隼碚?，提出一種偏序結(jié)構(gòu)圖分層表示的方劑配伍知識可視化方法。以《張仲景方方族》中小青龍湯類方劑為例，說明知識發(fā)現(xiàn)過程。以該類方劑中的方劑與藥物、證候與藥物為對象和屬性分別構(gòu)建偏序結(jié)構(gòu)圖，依據(jù)屬性特征定義及偏序結(jié)構(gòu)圖的層次關(guān)系分析方劑配伍規(guī)律。結(jié)果表明，根據(jù)方劑與藥物偏序結(jié)構(gòu)圖的層次和涵蓋支路情況，可以直觀地發(fā)現(xiàn)小青龍湯類方劑中包含1味核心藥五味子；高頻藥物包括細辛和半夏，其中細辛出現(xiàn)頻次為13次，半夏出現(xiàn)頻次為10次；常用的藥對有8對，藥組有3組。從不同簇集角度分析可以發(fā)現(xiàn)，小青龍湯類方劑可以聚類為5大簇集，每個簇集的方劑組成、主治功效等具有共性。根據(jù)證候與藥物偏序結(jié)構(gòu)圖可以發(fā)現(xiàn)，除小青龍湯證候外，12個證候均是在小青龍湯證候基礎(chǔ)上加減變化而成的。可見，偏序結(jié)構(gòu)圖可視化表示方法可清晰地反映出方劑與藥物、藥物與證候之間的配伍群結(jié)構(gòu)。

形式概念分析；偏序結(jié)構(gòu)圖；方劑配伍；知識發(fā)現(xiàn)；可視化

引言

中醫(yī)藥幾千年臨床實踐積累了大量方劑，載錄了中醫(yī)組方用藥的原理、規(guī)則、經(jīng)驗和技巧，已知和未知的配伍規(guī)律包含于其中，數(shù)據(jù)挖掘技術(shù)為中醫(yī)藥知識發(fā)現(xiàn)研究奠定了基礎(chǔ)[1-3]。

近年來，可視化數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥研究領(lǐng)域被日益重視。吳朝暉等運用語義圖挖掘技術(shù)，挖掘出方劑配伍中頻繁出現(xiàn)的醫(yī)學模式，結(jié)果表明該方法能提取出有價值的方劑配伍信息[4]。高晶提出構(gòu)建梯狀結(jié)構(gòu)圖，對方劑群結(jié)構(gòu)進行研究[5]。李敬華等設(shè)計方劑樹形分析工具，對中藥“基本方”理論進行研究[6]。陶金火用中醫(yī)藥語義本體概念名稱將文獻中的關(guān)鍵詞提取出來，再用相關(guān)算法篩選出高頻的詞組，并對他們進行基于中醫(yī)語義本體知識庫的語義關(guān)系識別或預(yù)測，最后生成若干個對應(yīng)每組關(guān)鍵詞的語義關(guān)系圖[7]。高鑄燁等用復雜網(wǎng)絡(luò)，挖掘分析冠心病證候-治法-中藥關(guān)系，建立證候-治法復雜網(wǎng)絡(luò)圖、證候-藥物復雜網(wǎng)絡(luò)圖和證候-功效復雜網(wǎng)絡(luò)圖，發(fā)現(xiàn)冠心病中醫(yī)臨床診療符合理法方藥相一致的原則，并挖掘出治療冠心病的清熱治法、解毒治法[8]。劉超男等用多層次復雜概念網(wǎng)絡(luò)，挖掘《傷寒論》配伍知識的群結(jié)構(gòu)[9]。翟海斌等利用決策樹技術(shù)，對血瘀證病例數(shù)據(jù)進行分析處理，結(jié)果表明決策樹能自動從中醫(yī)病例中歸納診斷規(guī)則[10]。尚爾鑫等將不同瘀血證證型的四物湯類方從組方、藥物、性味歸經(jīng)及功效等方劑信息表現(xiàn)在三維圖形上，以尋找各類血瘀證型方劑對圖形中的共同節(jié)點，分析四物湯類方治療血瘀證的用藥特點[11]?？梢暬瘮?shù)據(jù)挖掘的實質(zhì)是一種發(fā)現(xiàn)知識的應(yīng)用技術(shù)，是一個提取有用信息的過程。將可視化數(shù)據(jù)挖掘技術(shù)應(yīng)用于中醫(yī)藥研究領(lǐng)域，可在一定程度上發(fā)現(xiàn)和認識臨床病癥與復方組方關(guān)系、復方藥物的配伍關(guān)系、藥味之間的相互作用關(guān)系等。

形式概念分析(formal concept analysis，F(xiàn)CA)是20世紀80年代德國的Wille教授將其作為一種數(shù)學理論提出來的。目前，F(xiàn)CA是進行數(shù)據(jù)挖掘和可視化表示的有力工具，已被廣泛應(yīng)用到機器學習、軟件工程和信息獲取等領(lǐng)域[12-14]。洪文學等基于形式概念分析理論，提出把大量的、不完全的、繁雜的中醫(yī)數(shù)據(jù)表達在偏序結(jié)構(gòu)圖中，用可視化的方式使醫(yī)生的臨床經(jīng)驗真實地展現(xiàn)在人們面前，從而找出隱含在辨證論治背后的診療規(guī)律和規(guī)則，指導臨床實踐[15-16]。下面將基于偏序結(jié)構(gòu)圖的可視化方法應(yīng)用于方劑配伍規(guī)律知識挖掘研究，為方劑配伍規(guī)律研究提供新的思路。

1 材料和方法

1.1 形式背景

以北京中醫(yī)藥大學傅延齡教授主編的《張仲景方方族》中小青龍湯類方劑為數(shù)據(jù)源，以excel 2007為數(shù)據(jù)存儲工具，以方劑-藥物(包括16首方劑和28味藥物)、證候-藥物(包括13個證候和22味藥物)為對象和屬性，生成形式背景。

形式背景通常用一個矩形表來表示，表的每一行是一個對象，每一列是一個屬性。用數(shù)字1，2，3，…，n表示對象-方劑或證候，用a，b，c，…表示屬性-方劑中的藥物，當某方劑中含有某味藥物或治療某證候用到某味藥物時，則在行列交叉處標記1，否則標記為0。表1為某對象和屬性構(gòu)成的形式背景的例。

1.2 方法

1.2.1 屬性特征的定義

為了清楚地描述偏序結(jié)構(gòu)圖的構(gòu)建方法，下面介紹一些相關(guān)的定義。

定義1:在形式背景K=(U,M,I)中，屬性m∈M，且滿足{g(m)|m∈M}=U，則稱m為最大共有屬性。

表1 形式背景的例

定義2:在形式背景K=(U,M,I)中，m0,m1,m2,…,mk∈M是一些屬性，如果滿足g(mi)?g(m0)，其中i=1,2,3,…,k,且k≥2，則稱在形式背景K中，屬性m0為屬性集合{m1,m2,…,mk}的共有屬性。

定義3:在形式背景K=(U,M,I)中，若屬性mi和屬性mj，滿足g(mi)?g(mj),(i≠j)，則在形式背景K中，稱屬性mi是屬性mj的伴生屬性。

定義4:若屬性m1和m2滿足g(m1)∪g(m2)=U,g(m1)∩g(m2)=Φ，則稱m1、m2為對立屬性。

定義5：在形式背景K=(U,M,I)中，mi,mj∈M,且i≠j，如果同時滿足g(mi)Ig(mj) ≠Φ,g(mi)?g(mj)∧g(mj)?g(mi),則稱屬性mi和mj為形式背景K的互不包含屬性。

1.2.2 偏序結(jié)構(gòu)圖構(gòu)建

基于形式概念分析的偏序理論構(gòu)造的偏序結(jié)構(gòu)圖可以分為若干層，每一層都包含若干個節(jié)點，每個節(jié)點代表一個屬性，上層節(jié)點與下層節(jié)點間有連線，連線為對象，其構(gòu)建步驟如下。

步驟1：若形式背景中存在最大共有屬性{〈f(U)〉}，則第1層屬性節(jié)點為{〈f(U)〉}；形式背景中若不存在最大共有屬性，則第1層屬性節(jié)點為￠。

步驟2：偏序結(jié)構(gòu)圖第2層節(jié)點是{〈m〉|m∈M0}，其中屬性集合M0是形式背景K=(G,M,I)中的一個基本屬性集合，其確定應(yīng)先判定形式背景中是否含有可以覆蓋全部對象集合的對立屬性，若未有滿足此項條件的對立屬性，則選擇可以覆蓋全部對象集合的最少互不包含元素的兩兩互不包含屬性作為該層的屬性集合，每一個〈m〉都表示一個序列，每個序列只含有一個屬性，均是此層次的一個節(jié)點，且從偏序結(jié)構(gòu)圖的首層節(jié)點{〈f(U)〉}到第一層節(jié)點集合{〈m〉|m∈M0}中的每一個屬性節(jié)點〈m〉都用一條有向邊鏈接。

所構(gòu)建表1的偏序結(jié)構(gòu)如圖1所示。

圖1 表1形式背景的偏序結(jié)構(gòu)Fig.1 The partial ordered structure diagram of table 1

2 結(jié)果

根據(jù)偏序結(jié)構(gòu)圖的構(gòu)建方法，構(gòu)建小青龍湯類方的方劑-藥物、證候-藥物偏序結(jié)構(gòu)圖，如圖2、3所示。基于偏序結(jié)構(gòu)圖，可以從群結(jié)構(gòu)、支路和節(jié)點等不同角度對原始數(shù)據(jù)進行知識發(fā)現(xiàn)。

2.1 方劑-藥物偏序結(jié)構(gòu)圖

在圖2中，01～016對象依次為：01苓甘五味加姜辛半杏大黃湯，02苓甘五味加姜辛半夏杏仁湯，03補肺湯，04桂苓五味甘草去桂加干姜細辛半夏湯，05小青龍加石膏湯，06厚樸麻黃湯，07小青龍湯，08溫肺湯，09杏子湯，010射干麻黃湯，011溫肺散，012苓甘五味姜辛湯，013五味子散，014杏仁五味子湯，015桂苓五味甘草湯，016干姜湯；屬性a1～a28依次為：a1五味子，a2細辛，a3半夏，a4干姜，a5甘草，a6茯苓，a7麻黃，a8杏仁，a9炙甘草，a10紫苑，a11炮姜，a12桂枝，a13桂心，a14芍藥，a15石膏，a16射干，a17款冬花，a18人參，a19陳皮，a20白芍，a21生姜，a22大棗，a23厚樸，a24小麥，a25大黃，a26蘇子，a27桑白皮，a28肉桂。

圖2 方劑與藥物偏序結(jié)構(gòu)圖Fig.2 The partial ordered structure diagram between prescription and drug

2.1.1 從層次角度分析

1) 最大共有屬性：核心藥(必用藥)。圖2中共有15層節(jié)點，{a1五味子}為第1層(最頂層)節(jié)點，根據(jù)最大共有屬性定義可知，所有的對象(方劑)中均含有屬性五味子這味藥，說明五味子是小青龍湯類方的核心藥。

2)共有屬性：基礎(chǔ)藥(高頻藥)。由于偏序結(jié)構(gòu)圖是根據(jù)屬性之間的包含關(guān)系逐層構(gòu)建的，使得高頻屬性位于較高層次，因此位于較高層次的藥物即為高頻藥。屬性{a2細辛}位于偏序圖的第2層，出現(xiàn)在支路01～013方劑中，{a3半夏}位于偏序圖的第3層，僅次于細辛，出現(xiàn)在01～010方劑中，說明細辛、半夏為小青龍湯類方劑的基礎(chǔ)藥(高頻藥)，在小青龍湯類方劑中起到了很重要的作用。

3)伴生屬性：藥組、藥對。在偏序結(jié)構(gòu)圖中，伴生屬性與其有伴生關(guān)系的屬性一定在同一分支上。由偏序圖可知，{a1五味子}-{a2細辛}、{a1五味子}-{a3半夏}、{a1五味子}-{a4干姜}是小青龍湯類方劑的常用藥對。同理，{a2細辛}-{a3半夏}、{a2細辛}-{a4干姜}、{a2細辛}-{a5甘草}、{a3半夏}-{a4干姜}、{a3半夏}-{a5甘草}在小青龍湯類方中也常一起使用。另外，{a1五味子}-{a2細辛}-{a3半夏}、{a1五味子}-{a2細辛}-{a4干姜}、{a2細辛}-{a3半夏}-{a4干姜}等是常用的藥組。

2.1.2 從簇集角度分析

從偏序結(jié)構(gòu)圖2中的不同簇集角度，可以將簇集分為5大類：第1類是以{a1,a2,a3, a4, a5 }={五味子，細辛，半夏，干姜，甘草}為頂點集合而成，包括01～05號方劑，其中02苓甘五味加姜辛半夏杏仁湯、03補肺湯、04桂苓五味甘草去桂加干姜細辛半夏湯均有溫肺散寒、化飲、化痰、消腫功效。而其余2首方劑01苓甘五味加姜辛半杏大黃湯和05小青龍加石膏湯除了有化飲作用外，兼有瀉熱作用。第2類是以{a1,a2,a3,a4,a7}={五味子，細辛，半夏，干姜，麻黃}為頂點集合而成，包括06厚樸麻黃湯和07小青龍湯2首方劑，小青龍湯為治療寒飲證的代表方劑，具有解表化飲、止咳平喘之功。厚樸麻黃湯解表化飲，清瀉肺熱，主治寒飲犯肺，氣逆咳喘，表證未清，內(nèi)有郁熱之證。第3類是以{a1,a2,a3,a9,a11,a20}={五味子，細辛，半夏，炙甘草，炮姜，白芍}為頂點集合而成，包括08溫肺湯和09杏子湯2首方劑，均治療因虛飲停之證，溫肺湯主治肺虛、久客寒飲、發(fā)則喘咳，杏子湯主治內(nèi)傷、外感咳嗽、虛勞咳血痰飲停積之證。第4類是以{a1,a2, a6}={五味子，細辛，茯苓}為頂點集合而成，包括011溫肺散和012苓甘五味姜辛湯2首方劑，其共有藥物是五味子、細辛、茯苓，其中溫肺散是在共有藥物基礎(chǔ)上加炙甘草和炮姜，而苓甘五味姜辛湯是在共有藥物基礎(chǔ)上加甘草和干姜。干姜和炮姜都有溫肺化飲功效，但干姜辛熱，燥烈之性強，炮姜性苦溫，辛燥之性較干姜弱，溫里之力不如干姜迅猛，但作用緩和持久。甘草偏于止咳化痰，炙甘草偏于補中氣，說明溫肺散所致的寒飲證較苓甘五味姜辛湯輕，苓甘五味姜辛湯治療支飲反復發(fā)作，而溫肺散治療肺中寒之咳嗽。第5類是以{a1,a6}={五味子，茯苓}為頂點集合而成，包括014杏仁五味子湯和015桂苓五味甘草湯2首方劑。前方治療寒飲兼氣逆上沖之證，以平?jīng)_氣為主；后方治療痰飲居肺、阻滯肺陽所致的咳嗽短氣之證，以止咳為主。

根據(jù)上述分析可知，同一簇集中各方劑主治、功效基本上有共性之處，但也存在某些方劑功效不一致卻存在于同一簇集中的情況，如第2類簇集中的2首方劑。

2.2 證候-藥物偏序結(jié)構(gòu)圖

圖3是以證候為對象、以藥物為屬性構(gòu)建形式背景的偏序結(jié)構(gòu)圖。其中，對象01～013依次是：01咳而上氣，煩躁而喘；02干嘔，發(fā)熱而咳；03若小便不利，少腹?jié)M；04若輕微腹瀉；05若噎；06面熱如醉；07形腫；08頭眩冒而嘔；09若渴；010沖氣已平，支飲復作之咳嗽，胸滿；011胸滿，痰聲漉漉，倚息不能平臥；012咳而上氣；013氣從少腹上沖胸咽。屬性a1～a22依次是：a1麻黃，a2芍藥，a3干姜，a4桂枝，a5炙甘草，a6細辛，a7五味子，a8半夏，a9栝樓根，a10蕘花，a11附子，a12杏仁，a13石膏，a14射干，a15生姜，a16紫苑，a17款冬花，a18大棗，a19厚樸，a20小麥，a21茯苓，a22大黃。

圖3 證候與藥物偏序結(jié)構(gòu)圖Fig.3 The partial ordered structure diagram between syndrome and drug

從層次角度分析，依然可看出a7五味子是小青龍湯類方劑的核心藥，a6細辛、a3干姜是基礎(chǔ)藥。

從不同簇集角度分析，可以將簇集分為兩大類：第1類是以{a7,a6,a3,a5,a8,a4,a2}={五味子，細辛，干姜，炙甘草，半夏，桂枝，芍藥}為頂點的簇集，包括01～05支路。該簇集的子簇集{a7,a6,a3, a5,a8,a4,a2,a1}={五味子，細辛，干姜，炙甘草，半夏，桂枝，芍藥，麻黃}藥物組合為小青龍湯的構(gòu)成藥物，即02支路。此方具有外散風寒、內(nèi)除水飲之功，重在溫化寒飲，是表里雙解的代表方劑。若水飲之邪郁久化熱，則加a13石膏以清除煩熱，即01支路，此方為小青龍加石膏湯。治療除小青龍湯主證外，若同時出現(xiàn)小便不利、少腹?jié)M之證，則在小青龍湯方的基礎(chǔ)上去掉a1麻黃加a12杏仁，即03支路。若同時出現(xiàn)輕微腹瀉，則去掉a1麻黃加a10蕘花，即04支路。若出現(xiàn)噎，則去掉a1麻黃加a11附子，即05支路。第2類簇集是以{a7,a6, a3,a5,a8,a21}={五味子，細辛，干姜，炙甘草，半夏，茯苓}為頂點的簇集，包括06～08支路。其中，08支路為小青龍湯方去掉a1麻黃，a2芍藥，a4桂枝，加a21茯苓，用于治療頭眩冒而嘔。若出現(xiàn)形腫則在此基礎(chǔ)上加a12杏仁，即07支路。若有面熱如熏表現(xiàn)，則加a22大黃以泄熱，即06支路。

此外，其他支路的證候均是在小青龍湯方劑的基礎(chǔ)上加減而成的。若沖氣已平、支飲復作，即010支路，則在小青龍湯方劑的基礎(chǔ)上減去a1麻黃，a2芍藥，a4桂枝，a8半夏，加a21茯苓。若渴，即09支路，則減去a8半夏，加a9栝樓根。若胸滿，痰聲漉漉，喘息不能平臥，即011支路，則去掉a2芍藥，a4桂枝，a5炙甘草，加a12杏仁，a13石膏，a19厚樸，a20小麥。若咳而上氣，喉中水雞聲，即012支路，則減a2芍藥，a3干姜，a4桂枝，a5炙甘草，加a14射干，a15生姜，a16紫苑，a17款冬花，a18大棗；若氣從少腹上沖胸咽，則去a1麻黃，a2芍藥，a3干姜，a6細辛，a8半夏，加a21茯苓。

3 討論和結(jié)論

偏序結(jié)構(gòu)圖為一個封閉非循環(huán)的樹形拓撲結(jié)構(gòu)，最頂層和最底層有且只有一個節(jié)點，每一個節(jié)點代表一種屬性，每一條支路代表一個對象，且邊的方向是單向的，不能往返。一些對象聚集在一個或多個共有屬性節(jié)點下，組成一個群結(jié)構(gòu)，簡稱為集群或簇集，而且支路與支路之間不存在交叉，明確體現(xiàn)了層次結(jié)構(gòu)，使知識體系的呈現(xiàn)更加簡潔。

在偏序結(jié)構(gòu)圖中，層次越高，涵蓋支路越多，越體現(xiàn)普遍性；反之，層次越低，涵蓋支路越少，越體現(xiàn)特異性。根據(jù)層次和涵蓋支路的情況，可以直觀地發(fā)現(xiàn)類方中的核心藥、基礎(chǔ)藥、高頻藥以及藥對、藥組等知識。類似的對象集中到不同的簇中，即同一簇集中各方劑組成、主治功效等有共性之處。當簇集越小、涵蓋分支越少時，所包含的方劑共性越大，產(chǎn)生差異的原因越清晰。反之，簇集越大，涵蓋分支越多時，所包含的方劑共性越不明顯，產(chǎn)生差異的原因越復雜。因此，從簇集角度分析可以發(fā)現(xiàn)各方劑組成、主治功效等的共性之處，更加全面清晰地反映出方劑與藥物、藥物與證候之間的配伍群結(jié)構(gòu)。

相對于傳統(tǒng)的數(shù)據(jù)挖掘方法，偏序結(jié)構(gòu)圖方法不僅具有可視化效果，而且能可視化表達出傳統(tǒng)數(shù)據(jù)挖掘方法的頻次、聚類和關(guān)聯(lián)分析，是將統(tǒng)計分析各種方法集成到一個框架下的知識發(fā)現(xiàn)方法。數(shù)據(jù)分析結(jié)果表明，該方法對挖掘中醫(yī)藥知識有一定的借鑒價值。對藥物劑量與功效、癥狀與證候關(guān)聯(lián)性等的知識挖掘，是今后進一步的研究工作。利用此理論和方法不局限于中醫(yī)領(lǐng)域，在其他領(lǐng)域也有很好的應(yīng)用前景，以領(lǐng)域中的一種或一類知識作為一個概念，以知識之間的關(guān)聯(lián)作為概念之間的關(guān)系，可將其作為一個知識系統(tǒng)進行分析推理研究。

[1] 秦中廣,毛宗源,鄧兆智.粗糙集在中醫(yī)類風濕證候診斷中的應(yīng)用[J].中國生物醫(yī)學工程學報,2001,20(4):357-363.

[2] 鐘女娟,宋詠梅,劉更生,等.中藥經(jīng)驗要素貝葉斯網(wǎng)絡(luò)模型構(gòu)建及應(yīng)用[J].山東大學學報(醫(yī)學版),2012,50(2):157-160.

[3] 張博.基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在中藥方劑配伍中的應(yīng)用研究[J].甘肅聯(lián)合大學學報(自然科學版),2011,25(1):82-86.

[4] Wu Zhaohui, Yu Tian, Chen Hejia, et al. Semantic Web Development for Traditional Chinese Medicine[C]//In proceedings of the Twentieth Innovative Applications of Artificial Intelligence Conference (IAAI-08), 2008： 238-242.

[5] Gao Jing. A Study of the Composition Structures of TCMP rescriptions [J].World Science and Technology,2008,3(1):67-70.

[6] Li Jinghua. A Study of TCP Basic Prescriptions and the Design of Tree shape analysis tools [J]. Traditional Chinese Medicine Information Magazine,2008,12(10):89-91.

[7] 陶金火,陳華鈞,胡雪琴.中醫(yī)藥文獻語義關(guān)系圖發(fā)現(xiàn)[J].計算機科學, 2011,38(3):214-217.

[8] 高鑄燁，張京春，徐浩,等.用復雜網(wǎng)絡(luò)挖掘分析冠心病證候-治法-中藥關(guān)系[J].中西醫(yī)結(jié)合學報,2010,8(3):238-243.

[9] 劉超男,徐筍晶,李賽美,等. 基于多層次復雜概念網(wǎng)絡(luò)表示方法的《傷寒論》方藥按治法分類的知識發(fā)現(xiàn)[J]. 北京中醫(yī)藥大學學報, 2014,37(7):452-457.

[10] 尚爾鑫,范欣生,段金廒,等.基于三維圖形化數(shù)據(jù)挖掘方法的四物湯類方配伍規(guī)律研究[J].中國實驗方劑學雜志,2011,17(1):217-220.

[11] 瞿海斌,毛利鋒,王階.基于決策樹的血瘀證診斷規(guī)則自動歸納方法[J].中國生物醫(yī)學工程學報,2005,24(6):699-711.

[12] Jonas Poelmans, Sergei O. Kuznetsov, Dmitry I. Ignatov, et al. Formal Concept Analysis in knowledge processing: A survey on models and techniques[J]. Expert Systems with Applications,2013,40(16):6601-6623.

[13] 蔣平,任勝兵,林鵑.形式概念分析在軟件工程中的應(yīng)用[J].計算機技術(shù)與發(fā)展,2008,18(4):127-129.

[14] 康向平,李德玉.一種基于形式概念分析的粗糙集中的知識獲取方法[J].山西大學學報(自然科學版),2011,34(3):415-420.

[15] Hong Wenxue, Li Shaoxiong, Yu Jianping, et al. A New Approach of Generation of Structural Partial-ordered Attribute Diagram[J]. ICIC Express Letters Part B Applications, 2012, 3(4): 823-830.

[16] Hong Wenxue, Yu Jianping, Cai Fei, et al. A New Method of Attribute Reduction for Decision Formal Context[J]. ICIC Express Letters Part B Applications, 2012, 3(5): 1061-1068.

Visualization Method and Knowledge Discovery of Prescription Composition

Fan Fengjie1*Hong Wenxue1，2Song Jialin1Li Shaoxiong1Zheng Cunfang1

1(InstituteofBiomedicalEngineering,CollegeofElectricalEngineering,YanshanUniversity,Qinhuangdao066004,China)2(BigDataVisualizationTechnologyCenter,NortheasternUniversity,Qinghuangdao066004,China)

formal concept analysis(FCA); partial ordered structure diagram; prescription compatibility; knowledge discovery; visualization

10.3969/j.issn.0258-8021. 2016. 06.019

2015-07-02， 錄用日期:2016-03-27

國家自然科學基金(61201111,61074130, 81273740)

R2-03

D

0258-8021(2016) 06-0764-05

*通信作者(Corresponding author)， E-mail: ffjmz@126.com