３５卷６期 ２０１６年１２月 中 国 生物 医学 工 程学报 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３５ ＮＯ．６ Ｄｅｅｅｍｂｅｒ ２Ｏ１６ 方剂配伍规律的可视化表示方法与知识发现 樊凤杰 洪文学 宋佳霖 李少雄 郑存芳 ０６６００４） ０６６００４） （燕山大学电气工程学院生物医学工程系，河北秦皇岛（东北大学大数据分析中心，河北秦皇岛摘要：方剂配伍规律研究是中医现代化研究的核心问题之一。随着数据挖掘技术的发展和中医信息化的逐渐 深入，很多数据挖掘方法已被应用到方剂配伍规律研究领域。基于形式概念分析理论，提出一种偏序结构图分层 表示的方剂配伍知识可视化方法。以《张仲景方方族》中小青龙汤类方剂为例，说明知识发现过程。以该类方剂中 的方剂与药物、证候与药物为对象和属性分别构建偏序结构图，依据属性特征定义及偏序结构图的层次关系分析 方剂配伍规律。结果表明，根据方剂与药物偏序结构图的层次和涵盖支路情况，可以直观地发现小青龙汤类方剂 中包含１味核心药五味子；高频药物包括细辛和半夏，其中细辛出现频次为１３次，半夏出现频次为１Ｏ次；常用的药 对有８对，药组有３组。从不同簇集角度分析可以发现，小青龙汤类方剂可以聚类为５大簇集，每个簇集的方剂组 成、主治功效等具有共性。根据证候与药物偏序结构图可以发现，除小青龙汤证候外，１２个证候均是在小青龙汤证 候基础上加减变化而成的。可见，偏序结构图可视化表示方法可清晰地反映出方剂与药物、药物与证候之间的配 伍群结构。 关键词：形式概念分析；偏序结构图；方剂配伍；知识发现；可视化 中图分类号 Ｒ２—０３ 文献标志码 Ｄ 文章编号０２５８—８０２１（２０１６）０６￣７６４．０５ Ｖｉｓｕａｌｉｚａｔｉｏｎ Ｍｅｔｈｏｄ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｏｆ Ｐｒｅｓｃｒｉｐｔｉｏｎ Ｃｏｍｐｏｓｉｔｉｏｎ Ｆａｎ Ｆｅｎｇｊｉｅ Ｈｏｎｇ Ｗｅｎｘｕｅ ・ Ｓｏｎｇ Ｊｉａｌｉｎ Ｌｉ Ｓｈａｏｘｉｏｎｇ Ｚｈｅｎｇ Ｃｕｎｆａｎｇ （Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｙａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ ０６６００４，Ｃｈｉｎａ） （Ｂｉｇ Ｄａｔａ Ｖｉｓｕａｌｉｚａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｃｅｎｔｅｒ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｇｈｕａｎｇｄａｏ ０６６００４，Ｃｈｉｎａ） Ｋｅｙ ｗｏｒｄｓ：ｆｏｒｍａｌ ｃｏｎｃｅｐｔ ａｎａｌｙｓｉｓ（ＦＣＡ）；ｐａｒｔｉａｌ ｏｒｄｅｒｅｄ ｓｔｒｕｃｔｕｒｅ ｄｉａｇｒａｍ；ｐｒｅｓｃｒｉｐｔｉｏｎ ｃｏｍｐａｔｉｂｉｌｉｔｙ； ｋｎｏｗｌｅｄｇｅ ｄｉｓｃｏｖｅｒｙ；ｖｉｓｕａｌｉｚａｔｉｏｎ 引言 中医药几千年临床实践积累了大量方剂，载录 论进行研究。。 。陶金火用中医药语义本体概念名 称将文献中的关键词提取出来，再用相关算法筛选 出高频的词组，并对他们进行基于中医语义本体知 了中医组方用药的原理、规则、经验和技巧，已知和 识库的语义关系识别或预测，最后生成若干个对应 每组关键词的语义关系图 。高铸烨等用复杂网 络，挖掘分析冠心病证候一治法一中药关系，建立证 候．治法复杂网络图、证候一药物复杂网络图和证候一 未知的配伍规律包含于其中，数据挖掘技术为中医 药知识发现研究奠定了基础¨ 。 近年来，可视化数据挖掘技术在中医药研究领 域被日益重视。吴朝晖等运用语义图挖掘技术，挖 掘出方剂配伍中频繁出现的医学模式，结果表明该 功效复杂网络图，发现冠心病中医临床诊疗符合理 法方药相一致的原则，并挖掘出治疗冠心病的清热 方法能提取出有价值的方剂配伍信息 。高晶提 出构建梯状结构图，对方剂群结构进行研究 。李 敬华等设计方剂树形分析工具，对中药“基本方”理 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．０２５８－８０２１．２０１６．０６．０１９ 治法、解毒治法 。刘超男等用多层次复杂概念网 络，挖掘《伤寒论》配伍知识的群结构 。翟海斌等 利用决策树技术，对血瘀证病例数据进行分析处 收稿日期：２０１５￣７－０２，录用日期：２０１６－０３－２７ 基金项目：国家自然科学基金（６１２０１ｌｌｌ，６１０７４１３０，８１２７３７４０） 通信作者（Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ），Ｅ－ｍａｉｌ： ｍｚ＠１２６．ｃｏｒｎ ６期 樊风杰，等：方剂配伍规律的可视化表示方法与知识发现 ５＇６５ 理，结果表明决策树能自动从中医病例中归纳诊断 规则 。尚尔鑫等将不同瘀血证证型的四物汤类 方从组方、药物、性味归经及功效等方剂信息表现 在三维图形上，以寻找各类血瘀证型方剂对图形中 的共同节点，分析四物汤类方治疗血瘀证的用药特 点 。可视化数据挖掘的实质是一种发现知识的 应用技术，是一个提取有用信息的过程。将可视化 数据挖掘技术应用于中医药研究领域，可在一定程 度上发现和认识临床病症与复方组方关系、复方药 物的配伍关系、药味之间的相互作用关系等。 形式概念分析（ｆｏｒｍａｌ ｃｏｎｃｅｐｔ ａｎａｌｙｓｉｓ，ＦＣＡ）是 ２０世纪８０年代德国的Ｗｉｌｌｅ教授将其作为一种数 学理论提出来的。目前，ＦＣＡ是进行数据挖掘和可 视化表示的有力工具，已被广泛应用到机器学习、 软件工程和信息获取等领域 。洪文学等基于 形式概念分析理论，提出把大量的、不完全的、繁杂 的中医数据表达在偏序结构图中，用可视化的方式 使医生的临床经验真实地展现在人们面前，从而找 出隐含在辨证论治背后的诊疗规律和规则，指导临 床实践 。下面将基于偏序结构图的可视化方 法应用于方剂配伍规律知识挖掘研究，为方剂配伍 规律研究提供新的思路。 １ 材料和方法 １ Ｏ １ １ Ｏ １ ０ Ｏ １．１形式背景 以北京中医药大学傅延龄教授主编的《张仲景 方方族》中小青龙汤类方剂为数据源，以ｅｘｃｅｌ ２００７ 为数据存储工具，以方剂．药物（包括１６首方剂和 ２８味药物）、证候－药物（包括１３个证候和２２味药 物）为对象和属性，生成形式背景。 形式背景通常用一个矩形表来表示，表的每一行 是一个对象，每一列是一个属性。用数字１，２，３，…，ｎ 表示对象．方剂或证候，用ｏ，ｂ，ｃ，…表示属性．方剂中 的药物，当某方剂中含有某味药物或治疗某证候用到 某味药物时，则在行列交叉处标记１，否则标记为０。 表１为某对象和属性构成的形式背景的例。 １．２ 方法 １．２．１属性特征的定义 为了清楚地描述偏序结构图的构建方法。下面 介绍一些相关的定义。 定义１：在形式背景Ｋ＝（ ， ，，）中，属性 ｍ∈Ｍ，且满足｛ｇ（ｍ）Ｉ ｍ∈Ｍ｝＝Ｕ，则称ｍ为最 大共有属性。 表１形式背景的例 Ｔａｂ．１ Ａｎ ｅｘａｍｐｌｅ ｏｆ ｔｈｅ ｆｏｒｍａｌ ｃｏｎｔｅｘｔ 对象＼属性 定义２：在形式背景Ｋ＝（ ， ，，）中，ｍ。，ｍ ， ｍ ，…，ｍ ∈Ｍ是一些属性，如果满足ｇ（ｍ ） ｇ（ｍ。），其中ｉ＝１，２，３，…，ｋ，且ｋ≥２，则称在形式 背景 中，属性ｍ。为属性集合｛ｍ。，ｍ：，…，ｍ ｝的 共有属性。 定义３：在形式背景Ｋ＝（ ，Ｍ，，）中，若属性 ｍ 和属性ｍ ，满足ｇ（ｍ ） ｇ（ｍｊ），（ｉ≠Ｊ），则在形 式背景 中，称属性ｍ 是属性ｍ 的伴生属性。 定义４：若属性ｍ 和ｍ 满足ｇ（ｍ ）Ｕｇ（ｍ ）＝ Ｕ，ｇ（ｍ ）ｎｇ（ｍ ）＝ ，则称ｍ 、ｍ：为对立属性。 定义５：在形式背景Ｋ＝（ ， ，，）中，ｍｉ，ｍ，∈ ，且ｉ≠ ，如果同时满足ｇ（ｍ ） （ｍｊ）≠ ， ｇ（ｍ ） ｇ（ｍ ）＾ｇ（ｍ ） ｇ（ｍ ），则称属性ｍ 和 ｍ 为形式背景Ｋ的互不包含属性。 １．２．２偏序结构图构建 基于形式概念分析的偏序理论构造的偏序结 构图可以分为若干层，每一层都包含若干个节点， 每个节点代表一个属性，上层节点与下层节点间有 连线，连线为对象，其构建步骤如下。 步骤１：若形式背景中存在最大共有属性 ｛（ Ｕ））｝，则第１层属性节点为｛（ Ｕ））｝；形式 背景中若不存在最大共有属性，则第１层属性节 点为 。 步骤２：偏序结构图第２层节点是｛（ｍ）ｌ ｍ∈ ｝，其中属性集合 。是形式背景Ｋ＝（Ｇ，Ｍ，，） 中的一个基本属性集合，其确定应先判定形式背景 中是否含有可以覆盖全部对象集合的对立属性，若 未有满足此项条件的对立属性，则选择可以覆盖全 部对象集合的最少互不包含元素的两两互不包含 属性作为该层的属性集合，每一个（ｍ）都表示一个 序列，每个序列只含有一个属性，均是此层次的一 个节点，且从偏序结构图的首层节点｛（ Ｕ））｝到 第一层节点集合｛（ｍ）ｌ ｍ∈Ｍ。｝中的每一个属性 节点＜ｍ）都用一条有向边链接。 中 国生物 医学工程学报 步骤３：根据第２步，若将偏序结构图的第ｔ层 属性节点集合表示为｛Ｐ ．．，Ｐ ｝，则第ｔ＋１层的 属性节点集合可表示为ｕ 。｛Ｐ ｌ ｑ∈占（Ｐ ）｝。 同理，从偏序结构图第ｔ层属性节点Ｐ 到ｔ＋１层属 性节点之间存在一条有向边。 步骤４：偏序结构图的最底层有且只有一个节 点，当且仅当某一层有节点Ｐ、满足ｇ（Ｐ）３ ｔ＿Ｊ （ｇ（Ｑ）ｎ ｇ（Ｐ）Ｉ Ｑ ６（Ｐ）｝时，有一条从Ｐ到（ｍ） 的有向边，并称Ｐ为ｇ（Ｐ）］ｕ（ｇ（Ｑ）ｎ ｇ（Ｐ）ｌ Ｑ ６（尸）｝的原始模式。 所构建表１的偏序结构如图１所示。 图１表１形式背景的偏序结构 Ｆｉｇ．１ Ｔｈｅ ｐａｒｔｉａｌ ｏｒｄｅｒｅｄ ｓｔｒｕｃｔｕｒｅ ｄｉａｇｒａｍ ｏｆ ｔａｂｌｅ １ ２ 结果 根据偏序结构图的构建方法，构建小青龙汤类 方的方剂．药物、证候一药物偏序结构图，如图２、３所 示。基于偏序结构图，可以从群结构、支路和节点 等不同角度对原始数据进行知识发现。 ２．１方剂・药物偏序结构图 在图２中，０１～０１６对象依次为：０１苓甘五味加 姜辛半杏大黄汤，０２苓甘五味加姜辛半夏杏仁汤， ０３补肺汤，０４桂苓五味甘草去桂加干姜细辛半夏 汤，０５小青龙加石膏汤，０６厚朴麻黄汤，０７小青龙 汤，０８温肺汤，０９杏子汤，０１０射干麻黄汤，Ｏ１１温肺 散，０１２苓甘五味姜辛汤，０１３五味子散，０１４杏仁五 味子汤，０１５桂苓五味甘草汤，０１６干姜汤；属性 ａｌ～ａ２８依次为：ａ１五味子，ａ２细辛，ａ３半夏，ａ４干 姜，ａ５甘草，ａ６茯苓，ａ７麻黄，ａ８杏仁，ａ９炙甘草， ａｌＯ紫苑，ａｌ１炮姜，ａ１２桂枝，ａ１３桂心，ａ１４芍药， ａ１５石膏，ａ１６射干，ａ１７款冬花，ａｌ８人参，ａ１９陈皮， ａ２０白芍，ａ２１生姜，ａ２２大枣，ａ２３厚朴，ａ２４小麦， ａ２５大黄，ａ２６苏子，ａ２７桑白皮，ａ２８肉桂。 图２方剂与药物偏序结构图 Ｆｉｇ．２ Ｔｈｅ ｐａｒｔｉａｌ ｏｒｄｅｒｅｄ ｓｔｒｕｃｔｕｒｅ ｄｉａｇｒａｍ ｂｅｔｗｅｅｎ ｐｒｅｓｃｒｉｐｔｉｏｎ ａｎｄ ｄｒｕｇ ２．１．１从层次角度分析 １）最大共有属性：核心药（必用药）。图２中共 有１５层节点，｛ａ１五味子｝为第１层（最顶层）节点， 根据最大共有属性定义可知，所有的对象（方剂）中 均含有属性五味子这味药，说明五味子是小青龙汤 类方的核心药。 ２）共有属性：基础药（高频药）。由于偏序结构 图是根据属性之间的包含关系逐层构建的，使得高 频属性位于较高层次，因此位于较高层次的药物即 为高频药。属性｛ａ２细辛｝位于偏序图的第２层，出 现在支路Ｏ１～０１３方剂中，｛ａ３半夏｝位于偏序图的 第３层，仅次于细辛，出现在０１～０１０方剂中，说明 细辛、半夏为小青龙汤类方剂的基础药（高频药）， 在小青龙汤类方剂中起到了很重要的作用。 ３）伴生属性：药组、药对。在偏序结构图中，伴 生属性与其有伴生关系的属性一定在同一分支上。 由偏序图可知，｛ａ１五味子｝一｛ａ２细辛｝、｛ａ１五味 子｝一｛ａ３半夏｝、｛ａ１五味子｝一｛ａ４干姜｝是小青 龙汤类方剂的常用药对。同理，｛ａ２细辛｝一｛ａ３半 夏｝、｛ａ２细辛｝一｛ａ４干姜｝、｛ａ２细辛｝一｛ａ５甘 草｝、｛ａ３半夏｝一｛ａ４干姜｝、｛ａ３半夏｝一｛ａ５甘 草｝在小青龙汤类方中也常一起使用。另外，｛ａｌ五 味子｝一｛ａ２细辛｝一｛ａ３半夏｝、｛ａｌ五味子｝一｛ａ２ 细辛｝一｛ａ４干姜｝、｛ａ２细辛｝一｛ａ３半夏｝一｛ａ４ 干姜｝等是常用的药组。 ６期 樊凤杰，等：方剂配伍规律的可视化表示方法与知识发现 ２．１．２从簇集角度分析 醉；Ｏ７形肿；０８头眩冒而呕；０９若渴；０１０冲气已平， 支饮复作之咳嗽，胸满；Ｏ１１胸满，痰声漉漉，倚息不 能平卧；０１２咳而上气；０１３气从少腹上冲胸咽。属 性ａｌ—ａ２２依次是：ａ１麻黄，ａ２芍药，ａ３干姜，ａ４桂 枝，ａ５炙甘草，ａ６细辛，ａ７五味子，ａ８半夏，ａ９栝楼 根，ａｌＯ荛花，ａｌ１附子，ａ１２杏仁，ａ１３石膏，ａ１４射 从偏序结构图２中的不同簇集角度，可以将簇 集分为５大类：第１类是以｛ａｌ，ａ２，ａ３，ａ４，ａ５｝： ｛五味子，细辛，半夏，干姜，甘草｝为顶点集合而成， 包括０ｌ一０５号方剂，其中Ｏ２苓甘五味加姜辛半夏 杏仁汤、０３补肺汤、０４桂苓五味甘草去桂加干姜细 辛半夏汤均有温肺散寒、化饮、化痰、消肿功效。而 干，ａ１５生姜，ａ１６紫苑，ａ１７款冬花，ａ１８大枣，ａ１９厚 其余２首方剂０１苓甘五味加姜辛半杏大黄汤和０５ 小青龙加石膏汤除了有化饮作用外，兼有泻热作 用。第２类是以｛ａｌ，ａ２，ａ３，ａ４，ａ７｝＝｛五味子，细 辛，半夏，干姜，麻黄Ｉ为顶点集合而成，包括０６厚 朴麻黄汤和０７小青龙汤２首方剂，小青龙汤为治疗 寒饮证的代表方剂，具有解表化饮、止咳平喘之功。 厚朴麻黄汤解表化饮，清泻肺热，主治寒饮犯肺，气 逆咳喘，表证未清，内有郁热之证。第３类是以｛ａｌ， ａ２，ａ３，ａ９，ａｌ１，ａ２０｝＝｛五味子，细辛，半夏，炙甘草， 炮姜，白芍｝为顶点集合而成，包括０８温肺汤和０９ 杏子汤２首方剂，均治疗因虚饮停之证，温肺汤主治 肺虚、久客寒饮、发则喘咳，杏子汤主治内伤、外感 咳嗽、虚劳咳血痰饮停积之证。第４类是以｛ａ１，ａ２， ａ６｝＝｛五味子，细辛，茯苓｝为顶点集合而成，包括 Ｏ１１温肺散和０１２苓甘五味姜辛汤２首方剂，其共 有药物是五味子、细辛、茯苓，其中温肺散是在共有 药物基础上加炙甘草和炮姜，而苓甘五味姜辛汤是 在共有药物基础上加甘草和干姜。干姜和炮姜都 有温肺化饮功效，但干姜辛热，燥烈之性强，炮姜性 苦温，辛燥之性较干姜弱，温里之力不如干姜迅猛， 但作用缓和持久。甘草偏于止咳化痰，炙甘草偏于 补中气，说明温肺散所致的寒饮证较苓甘五味姜辛 汤轻，苓甘五味姜辛汤治疗支饮反复发作，而温肺 散治疗肺中寒之咳嗽。第５类是以｛ａ１，ａ６｝＝｛五 味子，茯苓｝为顶点集合而成，包括０１４杏仁五味子 汤和０１５桂苓五味甘草汤２首方剂。前方治疗寒饮 兼气逆上冲之证，以平冲气为主；后方治疗痰饮居 肺、阻滞肺阳所致的咳嗽短气之证，以止咳为主。 根据上述分析可知，同一簇集中各方剂主治、 功效基本上有共性之处，但也存在某些方剂功效不 一致却存在于同一簇集中的情况，如第２类簇集中 的２首方剂。 ２．２证候－药物偏序结构图 图３是以证候为对象、以药物为属性构建形式 背景的偏序结构图。其中，对象０１—０１３依次是：０１ 咳而上气，烦躁而喘；０２干呕，发热而咳；０３若小便 不利，少腹满；０４若轻微腹泻；０５若噎；０６面热如 朴，ａ２０小麦，ａ２１茯苓，ａ２２大黄。 ～～ ～～～ 。 ， ～ 一—～ 镕 ｌ ａｌｌ ≯ ｌ ｜ １ 砬１ ～ ～＇ａ ４：￣２１ ０ｌ３ 、、、 。 。。。。ａ 。 ＼ ／ 。０８ ａ 。 。 Ｉ ＼｜ ２０ ｕ ２、 ｏ７ §誊９ ｅ“ １ ｏ２ ０３ ０４ ｏ５ ０６ ｏ９ ｌａ。。ｌＩａ 。 ０１ ０ｌｉ ０ｌ２ ．、 ＼ ／： ／二 一 图３证候与药物偏序结构图 Ｆｉｇ．３ Ｔｈｅ ｐａｒｔｉａｌ ｏｒｄｅｒｅｄ ｓｔｒｕｃｔｕｒｅ ｄｉａｇｒａｍ ｂｅｔｗｅｅｎ ｓｙｎｄｒｏｍｅ ａｎｄ ｄｒｕｇ 从层次角度分析，依然可看出ａ７五味子是小青 龙汤类方剂的核心药，ａ６细辛、ａ３干姜是基础药。 从不同簇集角度分析，可以将簇集分为两大 类：第１类是以｛ａ７，ａ６，ａ３，ａ５，ａ８，ａ４，ａ２｝＝｛五味 子，细辛，干姜，炙甘草，半夏，桂枝，芍药｝为顶点的 簇集，包括０１～０５支路。该簇集的子簇集｛ａ７，ａ６， ａ３，ａ５，ａ８，ａ４，ａ２，ａｌ｝＝｛五味子，细辛，干姜，炙甘 草，半夏，桂枝，芍药，麻黄｝药物组合为小青龙汤的 构成药物，即０２支路。此方具有外散风寒、内除水 饮之功，重在温化寒饮，是表里双解的代表方剂。 若水饮之邪郁久化热，则加ａ１３石膏以清除烦热，即 ０１支路，此方为小青龙加石膏汤。治疗除小青龙汤 主证外，若同时出现小便不利、少腹满之证，则在小 青龙汤方的基础上去掉ａ１麻黄加ａ１２杏仁，即０３ 支路。若同时出现轻微腹泻，则去掉ａ１麻黄加ａｌＯ 荛花，即０４支路。若出现噎，则去掉ａ１麻黄加ａｌ１ 附子，即０５支路。第２类簇集是以｛ａ７，ａ６，ａ３，ａ５， ａ８，ａ２１｝＝｛五味子，细辛，干姜，炙甘草，半夏，茯 苓｝为顶点的簇集，包括Ｏ６～０８支路。其中，０８支 路为小青龙汤方去掉ａ１麻黄，ａ２芍药，ａ４桂枝，加 ７６８ 中 国 生物医学工程学报 ａ２１茯苓，用于治疗头眩冒而呕。若出现形肿则在 此基础上加ａ１２杏仁，即０７支路。若有面热如熏表 有很好的应用前景，以领域中的一种或一类知识作 为一个概念，以知识之间的关联作为概念之间的关 现，则加ａ２２大黄以泄热，即０６支路。 此外，其他支路的证候均是在小青龙汤方剂的 基础上加减而成的。若冲气已平、支饮复作，即０１０ 支路，则在小青龙汤方剂的基础上减去ａ１麻黄，ａ２ 芍药，ａ４桂枝，ａ８半夏，加ａ２１茯苓。若渴，即０９支 路，则减去ａ８半夏，加ａ９栝楼根。若胸满，痰声漉 漉，喘息不能平卧，即０１１支路，则去掉ａ２芍药，ａ４ 桂枝，ａ５炙甘草，加ａ１２杏仁，ａ１３石膏，ａ１９厚朴， ａ２０小麦。若咳而上气，喉中水鸡声，即０１２支路， 则减ａ２芍药，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大枣；若气 从少腹上冲胸咽，则去ａ１麻黄，ａ２芍药，ａ３干姜，ａ６ 细辛，ａ８半夏，加ａ２１茯苓。 ３讨论和结论 偏序结构图为一个封闭非循环的树形拓扑结 构，最顶层和最底层有且只有一个节点，每一个节 点代表一种属性，每一条支路代表一个对象，且边 的方向是单向的，不能往返。一些对象聚集在一个 或多个共有属性节点下，组成一个群结构，简称为 集群或簇集，而且支路与支路之间不存在交叉，明 确体现了层次结构，使知识体系的呈现更加简洁。 在偏序结构图中，层次越高，涵盖支路越多，越体 现普遍性；反之，层次越低，涵盖支路越少，越体现特 异性。根据层次和涵盖支路的情况，可以直观地发现 类方中的核心药、基础药、高频药以及药对、药组等知 识。类似的对象集中到不同的簇中，即同一簇集中各 方剂组成、主治功效等有共性之处。当簇集越小、涵 盖分支越少时，所包含的方剂共性越大，产生差异的 原因越清晰。反之，簇集越大，涵盖分支越多时，所包 含的方剂共性越不明显，产生差异的原因越复杂。因 此，从簇集角度分析可以发现各方剂组成、主治功效 等的共性之处，更加全面清晰地反映出方剂与药物、 药物与证候之间的配伍群结构。 相对于传统的数据挖掘方法，偏序结构图方法 不仅具有可视化效果，而且能可视化表达出传统数 据挖掘方法的频次、聚类和关联分析，是将统计分 析各种方法集成到一个框架下的知识发现方法。 数据分析结果表明，该方法对挖掘中医药知识有一 定的借鉴价值。对药物剂量与功效、症状与证候关 联性等的知识挖掘，是今后进一步的研究工作。利 用此理论和方法不局限于中医领域，在其他领域也 系，可将其作为一个知识系统进行分析推理研究。 参考文献 ［１］ 秦中广，毛宗源，邓兆智．粗糙集在中医类风湿证候诊断中的 应用［Ｊ］．中国生物医学工程学报，２００１，２０（４）：３５７—３６３． ［２］ 钟女娟，宋咏梅，刘更生，等．中药经验要素贝叶斯网络模型构 建及应用［Ｊ］．山东大学学报（医学版），２０１２，５０（２）：１５７— １６０． ［３］ 张博．基于关联规则的数据挖掘技术在中药方剂配伍中的应 用研究［Ｊ］．甘肃联合大学学报（自然科学版），２０１１，２５（１）： ８２—８６． ［４］ Ｗｕ Ｚｈａｏｈｕｉ，Ｙｕ Ｔｉａｎ，Ｃｈｅｎ Ｈｅｊｉａ，ｅｔ ａ１．Ｓｅｍａｎｔｉｃ Ｗｅｂ Ｄｅｖｅｌｏｐｍｅｎｔ ｆｏｒ Ｔｒａｄｉｔｉｏｎａｌ Ｃｈｉｎｅｓｅ Ｍｅｄｉｃｉｎｅ［Ｃ］／／Ｉｎ ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｔｗｅｎｔｉｅｔｈ Ｉｎｎｏｖａｔｉｖｅ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｃｏｎｆｅｒｅｎｃｅ（ＩＡＡＩ一０８），２００８：２３８—２４２． ［５］ Ｇａｏ Ｊｉｎｇ．Ａ Ｓｔｕｄｙ ｏｆ ｔｈｅ Ｃｏｍｐｏｓｉｔｉｏｎ Ｓｔｒｕｃｔｕｒｅｓ ｏｆ ＴＣＭＰ ｒｅｓｅｒｉｐｔｉｏｎｓ［Ｊ］．Ｗｏｒｌｄ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，２００８，３（１）：６７— ７Ｏ． ［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，陈华钧，胡雪琴．中医药文献语义关系图发现［Ｊ］．计 算机科学，２０１１，３８（３）：２１４—２１７． ［８］ 高铸烨，张京春，徐浩，等．用复杂网络挖掘分析冠心病证候－ 治法一中药关系［Ｊ］．中西医结合学报，２０１０，８（３）：２３８—２４３． ［９］ 刘超男，徐笋晶，李赛美，等．基于多层次复杂概念网络表示 方法的《伤寒论》方药按治法分类的知识发现［Ｊ］．北京中医 药大学学报，２０１４，３７（７）：４５２—４５７． ［１Ｏ］ 尚尔鑫，范欣生，段金廒，等．基于三维图形化数据挖掘方法 的四物汤类方配伍规律研究［Ｊ］．中国实验方剂学杂志， ２０１１，１７（１）：２１７—２２０． ［１１］瞿海斌，毛利锋，王阶．基于决策树的血瘀证诊断规则自动归 纳方法［Ｊ］．中国生物医学工程学报，２００５，２４（６）：６９９—７１１． ［１２］ Ｊｏｎａｓ Ｐｏｅｌｍａｎｓ，Ｓｅｒｇｅｉ ０．Ｋｕｚｎｅｔｓｏｖ，Ｄｍｉｔｒｙ Ｉ．Ｉｇｎａｔｏｖ，ｅｔ ａ１． Ｆｏｒｍａｌ Ｃｏｎｃｅｐｔ Ａｎａｌｙｓｉｓ ｉｎ ｋｎｏｗｌｅｄｇｅ ｐｒｏｃｅｓｓｉｎｇ：Ａ ｓｕｒｖｅｙ ｏｎ ｍｏｄｅｌｓ ａｎｄ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ， ２０１３，４０（１６）：６６０１—６６２３． ［１３］蒋平，任胜兵，林鹃．形式概念分析在软件工程中的应用［Ｊ］． 计算机技术与发展，２００８，１８（４）：１２７—１２９． ［１４］ 康向平，李德玉．一种基于形式概念分析的粗糙集中的知识 获取方法［Ｊ］．山西大学学报（自然科学版），２０１１，３４（３）： ４１５—４２０． ［１５］Ｈｏｎｇ Ｗｅｎｘｕｅ，Ｌｉ Ｓｈａｏｘｉｏｎｇ，Ｙｕ Ｊｉａｎｐｉｎｇ，ｅｔ ａ１．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 ａ１．Ａ Ｎｅｗ Ｍｅｔｈｏｄ ｏｆ Ａｔｔｒｉｂｕｔｅ Ｒｅｄｕｃｔｉｏｎ ｆｏｒ Ｄｅｃｉｓｉｏｎ Ｆｏｒｍａｌ Ｃｏｎｔｅｘｔ［Ｊ］．ＩＣＩＣ Ｅｘｐｒｅｓｓ Ｌｅｔｔｅｒｓ Ｐａｒｔ Ｂ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１２，３（５）：１０６１—１０６８．