复杂网络方法在数据挖掘的应用 使用复杂网络方法进行中药配伍规律挖掘相比于传统方法扩展性更强,挖掘深度更深,目前已成为分析和讨论重要配伍规律的有力工具
本文在介绍复杂网络相关概念的基础上,给出了使用重叠社团发现算法进行中药配伍规律挖掘的三种主要方法,并介绍了这些方法在中药配伍规律讨论中应用的案例
最后对相关方法进行总结和展望
中药复方是指在遵循中医用药规则的前提下,使用多种药物混合组成的方剂
方剂中药物之间的配伍组合有着复杂的联系和约束,这种联系和约束是根据药物作用、禁忌关系、药性药效、病症原由等所建立的具有科学依据的相互关系
通过讨论方剂中药物配伍关系,对于揭示用药配伍合理性、建立健全用药科学依据具有重要的意义
传统的中药配伍数据挖掘方法基于统计学的讨论方法,如统计值法、聚类算法、关联规则方法等,这些方法只能挖掘浅层次的药物间关系,但无法揭示药物间深层次的联系[1]
而复杂网络方法的引入可以为讨论重要配伍规律提供新的方法和手段
1 复杂网络概述 复杂网络(ComplexNetwork),是一种特别的网络结构,它是将复杂系统中的元素抽象为节点,元素间的关系抽象成边的网络结构模型,并不是所有的网络都属于复杂网络,它需要满足如下的三个特征:(1)小世界特性(SmallWorld),即网络中点与点之间的特征路径长度值小,接近随机网络,但网络的聚合系数却很高,接近规则网络[2]
(2)无标度特性(Scalefree),即在网络中少数节点的度值会很大,而大部分节点却很小,节点的度值分布符合幂率分布规律[3]
(3)社团结构特性,复杂网络中的节点往往会呈现出集群特性,即社团区域内部节点之间的联系非常强,而社团内节点与社团外节点的联系明显减弱
由于中医用药博大精深,方剂中药物类型多且配伍关系复杂,这种关系很适合利用复杂网络模型来表达,同时诸多文章也验证了使用药物作为节点,药物间关系作为
