醫(yī)學(xué)文獻(xiàn)檢索關(guān)鍵詞多維分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

曾展鵬

摘要：針對(duì)臨床醫(yī)學(xué)文獻(xiàn)關(guān)鍵詞包含有證型、病癥、治療等特點(diǎn)，設(shè)計(jì)出醫(yī)學(xué)文獻(xiàn)關(guān)鍵詞多維分析系統(tǒng)。該系統(tǒng)以醫(yī)學(xué)文獻(xiàn)檢索關(guān)鍵詞分析為核心，包含文獻(xiàn)信息管理、詞頻分析、多維統(tǒng)計(jì)分析等功能模塊，能有效解決檢索文獻(xiàn)的批量導(dǎo)入、數(shù)據(jù)規(guī)范化、根據(jù)關(guān)鍵詞屬性進(jìn)行多維度統(tǒng)計(jì)分析等問(wèn)題。并以銀屑病的中醫(yī)藥治療為例，介紹該系統(tǒng)的使用及多維統(tǒng)計(jì)分析應(yīng)用。該系統(tǒng)實(shí)現(xiàn)了在計(jì)算機(jī)輔助下進(jìn)行快捷、方便、準(zhǔn)確的關(guān)鍵詞多維分析，為其他醫(yī)學(xué)領(lǐng)域數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)提供參考。

關(guān)鍵詞：中醫(yī)藥；文獻(xiàn)檢索；分析系統(tǒng)

中圖分類(lèi)號(hào)：G254.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-5707（2017）01-0016-04

Abstract： A multidimensional analysis system for the key words of medical literature was designed according to the characters of clinical literature， including syndrome， disease and treatment. The system is based on the analysis on medical literature retrieval key words， including document information management， word frequency analysis， multidimensional statistical analysis and other functional modules， which can effectively solve the problem of batch retrieval of imported documents， data standardization， multi-dimensional statistical analysis according to the keyword attribute. Setting the treatment of psoriasis as an example， the use of the system and multi-dimensional statistical analysis application is introduced. The system provides a quick， convenient and accurate multidimensional analysis of the keywords， which can be used as a reference for the design and implementation of other medical data analysis systems.

Key words： traditional Chinese medicine； literature retrieval； analytic system

隨著計(jì)算機(jī)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，在大數(shù)據(jù)時(shí)代背景下，傳統(tǒng)的醫(yī)學(xué)信息檢索模式已經(jīng)不能適應(yīng)快速變化的需求[1]?！?015研究前沿報(bào)告》也明確提出了“科學(xué)研究的世界呈現(xiàn)出蔓延生長(zhǎng)，不斷演化的景象。科研管理者和政策制定者需要掌握科研的進(jìn)展和動(dòng)態(tài)，以有限的資源來(lái)支持和推進(jìn)科學(xué)進(jìn)步”?！岸x一個(gè)被稱(chēng)作研究前沿的專(zhuān)業(yè)領(lǐng)域的辦法，源自于科學(xué)研究之間存在的某種特定的共性。這種共性可能來(lái)自于實(shí)驗(yàn)數(shù)據(jù)，也可能來(lái)自于研究方法，或者概念和假設(shè)，并反映在科學(xué)家在論文中引用其他科學(xué)家的工作這個(gè)學(xué)術(shù)行為之中”[2]。所以對(duì)文獻(xiàn)信息的提取和關(guān)聯(lián)分析至關(guān)重要，它能揭示學(xué)科的發(fā)展，為科研人員指引研究方向。2015年，廣東省中醫(yī)院委托我校圖書(shū)館提供有關(guān)“銀屑病研究前沿與熱點(diǎn)”的情報(bào)分析[3]。該項(xiàng)目需要收集大量的期刊文獻(xiàn)，并在此基礎(chǔ)上，逐一分析銀屑病癥狀-證型、癥狀-治療、證型-治療之間的關(guān)系以及藥物配伍的關(guān)系。如果采用比較傳統(tǒng)的情報(bào)分析方法，整個(gè)過(guò)程將耗費(fèi)較長(zhǎng)時(shí)間。為此，我們開(kāi)發(fā)了適用于臨床醫(yī)學(xué)文獻(xiàn)自動(dòng)分析的情報(bào)分析系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了在計(jì)算機(jī)輔助下進(jìn)行快捷、方便、準(zhǔn)確的關(guān)鍵詞多維分析，并提取相關(guān)知識(shí)。

1 系統(tǒng)設(shè)計(jì)

1.1 數(shù)據(jù)庫(kù)設(shè)計(jì)

本系統(tǒng)開(kāi)發(fā)選取了適合大量本地運(yùn)算的C/S應(yīng)用模式，開(kāi)發(fā)語(yǔ)言為面向?qū)ο蟮木幊陶Z(yǔ)言VISUAL BASIC，采用SqlServer2005數(shù)據(jù)庫(kù)作為數(shù)據(jù)的組織和存儲(chǔ)對(duì)象。主要信息存放在文獻(xiàn)記錄表（WXJL）、關(guān)鍵詞表（GJCB）、同義詞表（TYCB）和詞類(lèi)屬性表（CLSX）。其中WXJL保存導(dǎo)入的文獻(xiàn)記錄；GJCB保存從WXJL提取的關(guān)鍵詞信息；TYCB保存關(guān)鍵詞的同義詞，比如：高血壓、高血壓病、血壓高、原發(fā)性高血壓、一級(jí)高血壓、早期高血壓等均用高血壓病表示；CLSX用于類(lèi)比關(guān)鍵詞屬性并對(duì)其逐一歸類(lèi)，比如：血熱型屬于證型，克銀方屬于治療。

1.2 功能設(shè)計(jì)

根據(jù)用戶(hù)目前的需求，系統(tǒng)主要有4個(gè)功能模塊。⑴關(guān)鍵詞參數(shù)設(shè)置：主要用于設(shè)定關(guān)鍵詞的TYCB和CLSX。⑵文獻(xiàn)信息管理：主要是對(duì)學(xué)術(shù)論文基礎(chǔ)數(shù)據(jù)的管理，它們是數(shù)據(jù)分析的基礎(chǔ)，主要實(shí)現(xiàn)對(duì)論文題目、關(guān)鍵詞和年份信息的錄入、編輯、刪除等功能。⑶詞頻分析：計(jì)算不同關(guān)鍵詞在所有選定論文中出現(xiàn)的頻數(shù)，對(duì)關(guān)鍵詞按頻數(shù)排序并確定高頻關(guān)鍵詞。在此基礎(chǔ)上，生成詞頻統(tǒng)計(jì)表和統(tǒng)計(jì)圖，便于研究者分析該領(lǐng)域的研究重點(diǎn)和熱點(diǎn)。⑷多維分析：多維分析是本系統(tǒng)的核心功能，主要完成同義詞合并、生成多維詞組矩陣、矩陣詞多維分析、數(shù)據(jù)轉(zhuǎn)存等功能。系統(tǒng)的具體功能結(jié)構(gòu)如圖1所示。

1.3 統(tǒng)計(jì)分析原理

本系統(tǒng)的核心功能是對(duì)關(guān)鍵詞作多維統(tǒng)計(jì)分析，其原理是根據(jù)各種數(shù)據(jù)分類(lèi)的度量關(guān)系，找出同類(lèi)性質(zhì)的統(tǒng)計(jì)項(xiàng)之間的聯(lián)系，是對(duì)數(shù)據(jù)進(jìn)行維度化分析后的度量聚集統(tǒng)計(jì)。其中維度化是根據(jù)數(shù)據(jù)的特性進(jìn)行分類(lèi)，并建立多維矩陣。具體實(shí)現(xiàn)方法為：⑴從相關(guān)文獻(xiàn)數(shù)據(jù)庫(kù)中提取關(guān)鍵詞或主題詞，通過(guò)詞頻分析獲取代表某一學(xué)科研究主題或研究方向的高頻詞；⑵對(duì)高頻詞根據(jù)特性進(jìn)行分類(lèi)，形成各分類(lèi)集合，分類(lèi)集合之間相互組合形成多維矩陣；⑶圍繞該多維矩陣進(jìn)行分析，統(tǒng)計(jì)這些詞組在同一篇文章中同時(shí)出現(xiàn)的次數(shù)。

多維分析的主要思路：在數(shù)據(jù)集中，若大量記錄在具有特征屬性A的同時(shí)，也頻繁出現(xiàn)了特征屬性B，則稱(chēng)特征屬性A和B構(gòu)成頻繁模式[4]，表示A和B之間的關(guān)聯(lián)性，而這些模式可以用關(guān)聯(lián)規(guī)則來(lái)觀察和分析。

2 系統(tǒng)的程序開(kāi)發(fā)關(guān)鍵技術(shù)分析與實(shí)現(xiàn)

為了更好地體現(xiàn)關(guān)鍵詞多維分析系統(tǒng)的實(shí)際應(yīng)用效果，本文以“銀屑病研究前沿與熱點(diǎn)”為案例，展示系統(tǒng)的使用及原理。文獻(xiàn)來(lái)源數(shù)據(jù)庫(kù)為：中國(guó)知網(wǎng)（CNKI）、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)（CBM），時(shí)間段為2010-2015年。案例以檢索結(jié)果為分析對(duì)象，列舉多維分析系統(tǒng)在詞頻統(tǒng)計(jì)以及同義詞合并的應(yīng)用，并從“證型-治療”2個(gè)維度進(jìn)行統(tǒng)計(jì)。其中CNKI的檢索詞包括：銀屑病、牛皮癬、中醫(yī)藥、中成藥、中藥、中草藥、方劑，檢索途徑為“主題”；CBM檢索策略為："銀屑病"[全字段：智能]OR"牛皮癬"[全字段：智能]OR"銀屑病"[擴(kuò)展：不加權(quán)]AND中醫(yī)藥OR中成藥OR中藥OR中草藥OR方劑。

2.1 多數(shù)據(jù)源導(dǎo)入

根據(jù)檢索詞，本案例在CBM共獲得1389條記錄，如圖2所示；在CNKI共獲得1566條記錄，如圖3所示。對(duì)獲得數(shù)據(jù)進(jìn)行分解，使文獻(xiàn)轉(zhuǎn)化為計(jì)算機(jī)能夠處理的結(jié)構(gòu)化數(shù)據(jù)單元。然后通過(guò)對(duì)比查重、字段映射合并，使之規(guī)范、準(zhǔn)確和有序。原始數(shù)據(jù)查重合并后共獲取記錄1863條。該數(shù)據(jù)表是數(shù)據(jù)分析的基本條件，處理后的結(jié)果如圖4所示。

2.2 關(guān)鍵詞規(guī)范化

文獻(xiàn)數(shù)據(jù)結(jié)構(gòu)化處理后可進(jìn)一步提取關(guān)鍵詞信息，并對(duì)其規(guī)范化處理。關(guān)鍵詞原始數(shù)據(jù)的不規(guī)范，主要表現(xiàn)為多詞一義，也即是同義詞現(xiàn)象。操作中，首先通過(guò)文獻(xiàn)記錄提取所有非重復(fù)關(guān)鍵詞，形成數(shù)據(jù)列表。然后對(duì)比同義詞庫(kù)逐一進(jìn)行歸并。本案例共計(jì)提取關(guān)鍵詞3987條，通過(guò)臨床專(zhuān)家結(jié)合醫(yī)案認(rèn)真討論和分析，篩選出銀屑病證型、治療相關(guān)的同義詞142條，合并后形成標(biāo)準(zhǔn)關(guān)鍵詞30條。如圖5所示。

2.3 關(guān)鍵詞屬性歸類(lèi)

在關(guān)鍵詞庫(kù)數(shù)據(jù)集的基礎(chǔ)上，利用頻次分析，把頻次較高的關(guān)鍵詞組成高頻詞庫(kù)。通過(guò)下拉框從癥狀、證型和治療等方面選取相應(yīng)的特征屬性。對(duì)新增的特征屬性，點(diǎn)擊添加按鈕增加并保存該分類(lèi)詞庫(kù)。案例中30條標(biāo)準(zhǔn)關(guān)鍵詞按證型和治療2個(gè)特征屬性，得到12條證型記錄，18條治療記錄。如圖6所示。

2.4 多維統(tǒng)計(jì)分析

通過(guò)12條證型記錄和18條治療記錄2個(gè)維度，交互組成12×18的二維矩陣，如圖7所示。統(tǒng)計(jì)分析后，得到共同出現(xiàn)頻率最高的2個(gè)關(guān)鍵詞為“血熱型”與“涼血方”，共計(jì)出現(xiàn)48次。其次為“血熱型”與“消銀方”共計(jì)出現(xiàn)37次。

統(tǒng)計(jì)結(jié)果符合臨床診斷和用藥規(guī)律，同樣統(tǒng)計(jì)方法適用于“癥狀-證型”“癥狀-治療”等其他維度分析。此外，通過(guò)查閱我校附院名中醫(yī)治療銀屑病的醫(yī)案發(fā)現(xiàn)，銀屑病目前尚無(wú)固定分型，但血瘀、血熱、血虛等證型是銀屑病最為常見(jiàn)的證型，其中，血熱型是廣東地區(qū)患病頻率最高的證型。以生地黃、元參、杭芍、茅根、牛蒡子、知母、荊芥、防風(fēng)、升麻、甘草等為主的“涼血方”是治療本地區(qū)血熱型銀屑病最常用、最有效的中醫(yī)處方。所以，銀屑病的純中醫(yī)治療也與本系統(tǒng)的統(tǒng)計(jì)結(jié)果相吻合，從某種程度上來(lái)說(shuō)增加了本系統(tǒng)的可信度。

對(duì)醫(yī)學(xué)關(guān)鍵詞進(jìn)行多維度分析，可以幫助我們了解醫(yī)學(xué)領(lǐng)域的研究熱點(diǎn)，并推斷其未來(lái)研究的發(fā)展方向。對(duì)獲得的統(tǒng)計(jì)結(jié)果還可導(dǎo)出轉(zhuǎn)存為Excel、文本文件等格式，以便于利用SPSS等其他統(tǒng)計(jì)分析軟件做進(jìn)一步分析處理。

3 小結(jié)

隨著醫(yī)學(xué)大數(shù)據(jù)的不斷發(fā)展，用戶(hù)對(duì)醫(yī)學(xué)情報(bào)服務(wù)的要求也越來(lái)越高，關(guān)鍵詞多維自動(dòng)檢索系統(tǒng)的設(shè)計(jì)為圖書(shū)館情報(bào)服務(wù)的開(kāi)展提供了更多、更便捷的服務(wù)支持。該系統(tǒng)已在圖書(shū)館參考咨詢(xún)部門(mén)應(yīng)用于相關(guān)的文獻(xiàn)統(tǒng)計(jì)分析。實(shí)踐應(yīng)用表明，使用該系統(tǒng)后，統(tǒng)計(jì)分析效率明顯提高，符合用戶(hù)檢索統(tǒng)計(jì)要求。同時(shí)，通過(guò)用戶(hù)對(duì)該系統(tǒng)的體驗(yàn)和建議，將不斷對(duì)該系統(tǒng)進(jìn)行完善及優(yōu)化，提供更人性化、更精確、更快捷的文獻(xiàn)檢索統(tǒng)計(jì)服務(wù)。

本系統(tǒng)在功能和使用上還存在一些不足，需要不斷改進(jìn)和完善。⑴系統(tǒng)中合并同義詞功能是依靠人工判斷方式進(jìn)行的，可考慮增加系統(tǒng)自動(dòng)提示的輔助建議功能，以更快速度完成合并同義詞工作。⑵如何實(shí)現(xiàn)從詞頻統(tǒng)計(jì)自動(dòng)獲取高頻關(guān)鍵詞并歸類(lèi)屬性，以減少人工錄入信息的工作量。⑶關(guān)鍵詞分析擴(kuò)展成從全文自動(dòng)獲取相關(guān)的關(guān)鍵詞，結(jié)合病案或醫(yī)案實(shí)現(xiàn)自動(dòng)分析功能[5]，從而可以更加全面地考察醫(yī)學(xué)的發(fā)展變化。

參考文獻(xiàn)

[1] 涂新莉，劉波，林偉偉.大數(shù)據(jù)研究綜述[J]，計(jì)算機(jī)應(yīng)用研究，2014， 31（6）：1612-1616，1623.

[2] 今日?qǐng)?bào)告網(wǎng).湯森路透&中國(guó)科學(xué)院：2015前沿研究[R/OL].[2016-08-28].http：//www.imxdata.com/archives/12707.

[3] 盧傳堅(jiān)，曾召，謝秀麗，等.1979-2010年尋常型銀屑病文獻(xiàn)證候分布情況分析[J].中醫(yī)雜志，2012，53（11）：959-961.

[4] Han J， Kamber M.數(shù)據(jù)挖掘：概念與技術(shù)[M].2版.范明，孟小峰，譯.北京：機(jī)械工業(yè)出版社.2007：146-155.

[5] 袁鋒.基于數(shù)據(jù)挖掘的中醫(yī)醫(yī)案分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].濟(jì)南：山東師范大學(xué)，2006.

（收稿日期：2016-10-28）

（修回日期：2016-11-04；編輯：魏民）