CN102682162A - 基于复杂网络社区发现的层次重叠核心药群发现方法 - Google Patents

Abstract

基于复杂网络社区发现的层次重叠核心药群发现方法，包括如下步骤：1)TCMF网络的构建：a)对给定数量的方剂计算每味药物的出现贡献度并删掉出现贡献度小于一定阈值的药物；b)计算二元组药物的AC值做删减，再计算三元组药物的AC值做删减；c)剩余三元组构建TCMF网络；d)结束；2)TCMF网络层次及重叠核心药群发现：a)预处理步骤1得到的TCMF网络；b)对预处理后的TCMF网络执行MAIGA算法进行药群发现；c)返回药群划分结果；d)结束；本发明从复杂网络的观点出发来探索中药方剂配伍规律，为中药方剂挖掘的研究提供了新的模型，解决了传统聚类单分配问题。

Description

基于复杂网络社区发现的层次重叠核心药群发现方法

技术领域

本发明涉及一种构建中药方剂(TCMF)网络的方法和一种适用TCMF网络的层次重叠核心药群发现方法。

背景技术

目前利用数据挖掘技术探讨方剂配伍规律的研究主要有以下三种模式：以分类为主的数据挖掘研究模式，以聚类为主的数据挖掘研究模式和以关联规则挖掘为主的研究模式。这三种模式多集中在药对、药组或药症、症证关联等局部信息的分析上，在揭示中医理论体系的“复杂性”与方剂配伍规律的“内隐性”方面还有些不足之处，例如以聚类为主的数据挖掘研究模式很难解决药物(或方剂)聚类的单分配问题，以关联规则挖掘为主的数据挖掘研究模式很难发现低频繁的核心药群等。

用网络的观点描述客观世界起源于1736年德国数学家Eular解决哥尼斯堡七桥问题。WattsDJ和Barabasi AL分别向人们展示了复杂网络的特征：小世界和无标度，同时他们还建立了对应的数学模型来阐释特征形成的原因。利用网络的拓扑结构来挖掘其功能模块和组织结构是社团结构发现的主要目标，迄今为止有大量的研究者投入了很大的努力，学术界已提出了许多社团发现算法，Fortunato对这些算法提供了一个较为全面的总结，给出了三个较为常见的社区结构定义：局部定义、全局定义和结点相似度定义，事实上还有边相似度定义。算法优劣的衡量大多是建立在对人工网络社区结构划分准确性的基础上，对于现实世界中的真实复杂网络还需要与之相适应的社区发现算法。

现实世界中有很多的真实复杂网络，如社会网络、互联网页面间互相链接网络、文献引用网络、生物学网络(如蛋白质相互作用网络)、论文合著网络等等。不同的真实网络结构代表其研究方向的现实意义，如在蛋白质相互作用网络中的社区结构代表功能相近的蛋白质，而社交网络中的社区结构代表因某种关系(如朋友，家人等)或兴趣相近而形成的群体。

为了进一步揭示中医理论体系的“复杂性”与方剂配伍规律的“内隐性”，我们从复杂网络社团发现的角度出发用复杂网络的模型来探索方剂配伍规律，提出一种新的真实复杂网络，中医药方剂(Traditional Chinese Medicine Formula，简写TCMF)网络，由于存在方剂“单方->基本方->复方”的衍变及存在加减方等因素，TCMF网络是一种区别于传统复杂网络的高重叠网络，不仅具有重叠结点，还具有重叠边，传统的重叠社区发现算法并不适用于TCMF网络，因此，我们又提出适用该网络的重叠层次社区发现算法。

发明内容

本发明目的是提出一种构建TCMF网络的方法和一种适用TCMF网络的层次重叠核心药群发现方法。

本发明目的还在于：提出一种从另一个角度(TCMF复杂网络)来描述中药方剂配伍规律的方法，一是提供一种构建TCMF网络的方法以更好的展现方剂配伍规律，二是提供一种适用TCMF网络的重叠层次核心药群发现方法以挖掘药群潜在配伍关系。

本发明技术方案：为解决上述问题，本发明提出一种构建TCMF网络的方法和一种适用于TCMF网络社区发现的层次重叠核心药群发现方法，主要技术包括如下步骤：

步骤一TCMF网络的构建方法：

a)对给定数量的方剂计算每味药物的AC值(贡献度，用量)并删掉AC值小于一定阈值的药物；

b)计算二元组药物的AC值做删减，再计算三元组药物的AC值做删减；

c)剩余三元组构建TCMF网络；

d)结束；

步骤二TCMF网络层次重叠核心药群发现方法：

a)预处理步骤1得到的TCMF网络；

b)对预处理后的TCMF网络执行MAIGA算法进行药群发现；

c)返回药群划分结果；

d)结束；

其中：

步骤一和步骤二所说的TCMF网络为中医药方剂(Traditional Chinese Medicine Formula，简写TCMF)网络。

步骤一-a中所说的药物在方剂中的AC值为出现贡献度(Appear Contribution，简写AC)，药物x的出现贡献度p_x，计算公式为：

$p_x=\frac{1}{F.\mathrm{size}}---\left(1\right)$

式中F.size为方剂F所包含药物种类数(即方剂中药物数量)。。

步骤一-b所述的二元组药物组合xy的AC值p_xy计算公式为：

$p_{\mathrm{xy}}=\frac{2}{F.\mathrm{size}}---\left(2\right)$

步骤一-b所述的三元组药物组合xyz的AC值p_xyz计算公式为：

$p_{\mathrm{xyz}}=\frac{2}{F.\mathrm{size}}---\left(3\right)$

步骤一-c中所说的剩余三元组构建TCMF网络为对AC值p_xyz大于给定阈值的三元组药物组合构建网络，其具体过程为：初始TCMF网络为空(没有结点和边)，遍历每个三元组药物组合，把三元组中每一味药物作为结点，若TCMF网络中不存在该药物结点，则将该结点加入网络，然后将该三元组中的三个药物结点每两个组合为一条边加入到TCMF网络中，从而构建得到TCMF网络。

步骤二-a中所说的预处理为对步骤1-c构建的TCMF网络设定停词阈值(max_ac)去除高AC值但是低相关的药物(如甘草)。

步骤二-b中所说的MAIGA算法为极大团生长算法(MAx clIque Growing Algorithm，简写MAIGA)，包括两部分极大团生长(MaxCliqueGrowing)和簇合并(ClusterMerging)，其具体过程如下：

MAIGA算法极大团生长部分，具体步骤为：

步骤0为起始步骤；

步骤1为给定TCMF网络；

步骤2为计算TCMF网络结点度存于哈希表hmNodeDegree；

步骤3为判断hmNodeDegree是否为空，若不为空，执行步骤4，否则算法终止；

步骤4为取hmNodeDegree中度最大的结点u构建极大团C，构建过程为：寻找结点u及其邻结点集合N(u)，若结点集N(u)∪{u}不是完全图，则重复执行删掉N(u)中结点x的工作直到N(u)∪{u}是完全图，其中结点x在子图N(u)∪{u}中的内度

最小；

步骤5为判断是否极大团C的结点数C.size＝2，若是，执行步骤6，否则执行步骤7；

步骤6为输出C并且hmNodeDegree.remove(u)，执行步骤3；

步骤7为寻找C邻结点集N_c，这里N_c←N(C，C)；U_c为C真子集，其中u为结点，S_c(S_c∈U_c)，U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤8为判断是否N_c为空，若空，执行步骤13，否则执行步骤9；

步骤9为任取N_c中一结点v；

步骤10为判断结点v是否满足d_vC+Cⁱⁿ≥σ(C.size+1)，若是执行步骤12，否则执行步骤11；

步骤11为N_c＝N_c-{v}，然后执行步骤8；

步骤12为执行算法Grow(C，v，C)，然后执行步骤11；

步骤13为求C真子集U_c，其中U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤14为取任一S_c∈U_c寻找其邻接点集中d_wS最大的结点w，执行Grow(S_c，w，C)；

步骤15为删除结点u到C中其它结点的边；

步骤16为更新hmNodeDegree，然后执行步骤3；

步骤17为算法的终止；

算法说明：极大团为极大完全图，它不会包含在比它更大的完全图中，哈希表hmNodeDegr存放<node，degree>键值对，Cⁱⁿ为社团C所包含边数，N_c←N(C，C_x)为求社团极大团C的不包含在C_x中的邻结点集合N_c。σ(|C|)为衡量社团生长合适度的密度函数：

$\mathrm{\&sigma;}\left(\right|C\left|\right)={\left(\begin{array}{c}\left|C\right|\\ 2\end{array}\right)}^{1-\frac{1}{\left(\begin{array}{c}\left|C\right|\\ 2\end{array}\right)}}---\left(4\right)$

极大团生长算法中的Grow(C，v，C_x)是一个递归的函数，具体步骤如下：

步骤31：C←C∪{u}，canGrow←false；

步骤32：寻找C的邻结点集合N_c←N(C，C_x)，对于N_c中每一个结点v，若d_vC+Cⁱⁿ≥σ(C.size+1)，canGrow←true，执行Grow(C，v，C_x)；

步骤33：若canGrow＝false，R←R∪{C}。

实际上在算法中所寻找的极大团可以认为是生长的种子，生长成的社团为高密度社团。

1)簇合并算法

在簇合并算法中，社团C_i，C_j的距离定义如下：

$D(C_i,C_j)=1-\frac{|C_i\&cap;C_j|}{2\&times;\min \left\{\right|C_i|,|C_j\left|\right\}}-\frac{\left|{(C_i\&cap;C_j)}^{\mathrm{ib}}\right|}{2\&times;\min \left\{\right|C_i^{\mathrm{in}}|,|C_j^{\mathrm{in}}\left|\right\}}---\left(5\right)$

|C_i|与

分别为社团C_i结点数和边数。很显然当D(C_i，C_j)＝1时社团C_i和C_j没有重叠结点和重叠边，此时社团间距最大，而D(C_i，C_j)＝O时，较小的社团包含在了较大社团中，此时社团间距最小，应当合并。我们的距离定义既考虑了社团间重叠结点也考虑了重叠边(重叠结点内的边)，距离阈值设为λ，若D(C_i，C_j)＜λ，则合并C_i，C_j，通过不断改变这样一个数值可以得到社团的层次。

簇合并算法的具体步骤如下：

ClusterMerging()：

步骤41：T←R.get(O)；

步骤42：对于R中的每一个社团C_i，遍历T中的每一个社团C_j，若D(C_i，C_j)＜λ，C←Merge(C_i，C_j)，T←T-{C_j}∪{C}，否则T←T∪{C_i}；

步骤43：Return T。

本发明的有益效果：本发明从另一个角度(TCMF复杂网络)来探索中药方剂配伍规律，为方剂挖掘提供了一种新的模型，利用信息技术对中国传统医药进行科学疏理并提供技术的手段，应用复杂网络模型能够解决传统方剂挖掘的聚类单分配问题及低频繁相关药物组合难以发现问题，另外本发明也使得复杂网络在现实世界中的应用得到进一步发展。

附图说明：

图1为本发明的TCMF网络方剂挖掘可视化系统工作流程图。

图2为本发明的基于复杂网络社区发现的层次重叠核心药群发现方法的流程图。

图3为图2中步骤5的MAIGA算法极大团生长部分的流程图。

具体实施方式

下面结合附图对本发明进行详细说明。

如图1所示，TCMF网络方剂挖掘可视化系统输入数据源为中药方剂数据库，通过构建TCMF网络、TCMF网络发现来得到层次重叠核心药群，药群内部有较高的配伍组合可能，这里的参数有三个需要设置，分别为出现贡献度阈值min_ac，高出现贡献度低相关阈值max_ac及药群社区距离阈值λ。

如图2所示，本发明的基于复杂网络社区发现的层次重叠核心药群发现方法主要包括两个步骤，构建TCMF网络和TCMF网络发现，具体说明如下：

步骤0为起始状态；

在构建TCMF网络阶段(步骤1-3)，步骤1为遍历方剂数据库，对每味药计算出现贡献度AC值，去除AC＜min_ac的药物；

步骤2对步骤1剩余药物两两组合，遍历方剂数据库并计算二元组药物AC值，去除AC＜min_ac的二元组，然后对于剩余二元组药物组合成三元组并计算三元组药物AC值，去除AC＜min_ac的三元组；

步骤3对步骤2中的结果(三元组)构建网络，其具体过程为：初始TCMF网络为空(没有结点和边)，遍历每个三元组药物组合，把其中任两个药物组合作为一条边不断的加入到TCMF网络中，从而构建得到TCMF网络。

在TCMF网络发现阶段(步骤4-5)，步骤4为对步骤3构建的TCMF网络预处理，主要过程是把出现贡献度AC＞max_ac的药物在TCMF网络中去除；

步骤5为对预处理后的TCMF网络执行MAIGA算法进行核心药群层次重叠发现并返回结果；

步骤6为结束步骤。

图3详述了图2中步骤5中MAIGA算法极大团生长部分，具体步骤为：

步骤5-0为起始步骤；

步骤5-1为给定的TCMF网络；

步骤5-2为计算TCMF网络结点度存于哈希表hmNodeDegree；

步骤5-3为判断hmNodeDegree是否为空，若不为空，执行步骤5-4，否则算法终止；

步骤5-4为取hmNodeDegree中度最大的结点u构建极大团C，构建过程为：寻找结点u及其邻结点集合N(u)，若结点集N(u)∪{u}不是完全图，则重复执行删掉N(u)中结点x的工作直到N(u)∪{u}是完全图，结点x满足以下条件，结点x在子图N(u)∪{u}中的内度

最小；

步骤5-5为判断是否C.size＝2，若是，执行步骤5-6，否则执行步骤5-7；

步骤5-6为输出C并且hmNodeDegree.remove(u)，执行步骤5-3；

步骤5-7为寻找C邻结点集N_c，这里N_c←N(C，C)；

步骤5-8为判断是否N_c为空，若空，执行步骤5-13，否则执行步骤5-9；

步骤5-9为任取N_c中一结点v；

步骤5-10为判断结点v是否满足d_vC+Cⁱⁿ≥σ(C.size+1)，若是执行步骤5-12，否则执行步骤5-11；

步骤5-11为N_c＝N_c-{v}，然后执行步骤5-8；

步骤5-12为执行算法Grow(C，v，C)，然后执行步骤5-11；

步骤5-13为求C真子集U_c，其中U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤5-14为取任一S_c∈U_c寻找其邻接点集中d_wS最大的结点w，执行Grow(S_c，w，C)；

步骤5-15为删除结点u到C中其它结点的边；

步骤5-16为更新hmNodeDegree，然后执行步骤5-3；

步骤5-17为算法的终止。

Grow(C，u，C_x)的为一个递归函数，具体步骤为：

Step1：C←C∪{u}，canGrow←false；

Step2：寻找C的邻结点集合N_c←N(C，C_x)，对于N_c中每一个结点v，若d_vC+Cⁱⁿ≥σ(Csize+1，canGrow←true，执行Grow(C，v，C_x)；

Step3：若canGrow＝false，R←R∪{C}。

R存放社区划分的结果，N_c←N(C，C_x)为C的不包含在C_x中的邻结点集，d_uC为结点u到社区C的连接边数，Cⁱⁿ为社团C所包含边数，σ(|C|)为衡量社团生长合适度的密度函数：

$\mathrm{\&sigma;}\left(\right|C\left|\right)={\left(\begin{array}{c}\left|C\right|\\ 2\end{array}\right)}^{1-\frac{1}{\left(\begin{array}{c}\left|C\right|\\ 2\end{array}\right)}}.$

Claims (3)

1.基于复杂网络社区发现的层次重叠核心药群发现方法，其特征是包括如下步骤：

步骤一TCMF网络的构建方法：

a)对给定数量的方剂计算每味药物的贡献度和用量AC值并删掉AC值小于一定阈值的药物；

b)计算二元组药物的AC值做删减，再计算三元组药物的AC值做删减；

c)剩余三元组构建TCMF网络；

d)结束；

步骤二TCMF网络层次重叠核心药群发现方法：

a)预处理步骤一得到的TCMF网络；

b)对预处理后的TCMF网络执行MAIGA算法进行药群发现；

c)返回药群划分结果；

d)结束；

其中：

步骤一和步骤二所述的TCMF网络为中医药方剂网络；

步骤一-a所述的药物在方剂中的AC值，即将药物x的出现贡献度p_x，计算公式为：

$p_x=\frac{1}{F.\mathrm{size}}---\left(1\right)$

式中F.size为方剂F所包含的药物种类数、即方剂中药物数量；

步骤一-b所述的二元组药物组合xy的AC值p_xy计算公式为：

$p_{\mathrm{xy}}=\frac{2}{F.\mathrm{size}}---\left(2\right)$

步骤一-b所述的三元组药物组合xyz的AC值p_xyz计算公式为：

$p_{\mathrm{xyz}}=\frac{2}{F.\mathrm{size}}---\left(3\right)$

步骤一-c中所述的剩余三元组构建TCMF网络为对AC值p_xyz大于给定阈值的三元组药物组合构建网络，其具体过程为：初始TCMF网络为空、即没有结点和边，遍历每个三元组药物组合，把三元组中每一味药物作为结点，若TCMF网络中不存在该药物结点，则将该结点加入网络，然后将该三元组中的三个药物结点每两个组合为一条边加入到TCMF网络中，从而构建得到TCMF网络；

步骤二-a中所述的预处理为对步骤一-c构建的TCMF网络设定停词阈值(max_ac)去除高AC值但是低相关的药物；

步骤二-b中所述的MAIGA算法为极大团生长算法(MAx clIque Growing Algorithm，简写MAIGA)，包括两部分，极大团生长(MaxCliqueGrowing)算法和簇合并(ClusterMerging)算法，其具体过程如下：

MAIGA算法极大团生长部分，具体步骤为：

步骤0为起始步骤；

步骤1为给定TCMF网络；

步骤2为计算TCMF网络结点度存于哈希表hmNodeDegree；

步骤3为判断hmNodeDegree是否为空，若不为空，执行步骤4，否则算法终止；

步骤4为取hmNodeDegree中度最大的结点u构建极大团C，构建过程为：寻找结点u及其邻结点集合N(u)，若结点集N(u)∪{u}不是完全图，则重复执行删掉N(u)中结点x的工作直到N(u)∪{u}是完全图，其中结点x在子图N(u)∪{u}中的内度

最小；

步骤5为判断是否极大团C的结点数C.size＝2，若是，执行步骤6，否则执行步骤7；

步骤6为输出C并且hmNodeDegree.remove(u)，执行步骤3；

步骤7为寻找C邻结点集N_c，这里N_c←N(C，C)；U_c为C真子集，其中u为结点，S_c(S_c∈U_c)，U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤8为判断是否N_c为空，若空，执行步骤13，否则执行步骤9；

步骤9为任取N_c中一结点v；

步骤10为判断结点v是否满足d_vC+Cⁱⁿ≥σ(C.size+1)，若是执行步骤12，否则执行步骤11；

步骤11为N_c＝N_c-{v}，然后执行步骤8；

步骤12为执行算法Grow(C，v，C)，然后执行步骤11；

步骤13为求C真子集U_c，其中U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；

步骤14为取任一S_c∈U_c寻找其邻接点集中d_wS最大的结点w，执行Grow(S_c，w，C)；

步骤15为删除结点u到C中其它结点的边；

步骤16为更新hmNodeDegree，然后执行步骤3；

步骤17为算法的终止；

算法说明：极大团为极大完全图，它不会包含在比它更大的完全图中，哈希表hmNodeDegr存放<node，degree>键值对，Cⁱⁿ为社团C所包含边数，N_c←N(C，C_x)为求极大团C的不包含在C_x中的邻结点集合N_c。σ(|C|)为衡量社团生长合适度的密度函数：

$\mathrm{\&sigma;}\left(\right|C\left|\right)={\left(\begin{array}{c}\left|C\right|\\ 2\end{array}\right)}^{1-\frac{1}{\left(\begin{array}{c}\left|C\right|\\ 2\end{array}\right)}}---\left(4\right).$

2.根据权利要求1所述的基于复杂网络社区发现的层次重叠核心药群发现方法，其特征是极大团生长算法中的Grow(C，v，C_x)是一个递归的函数，具体步骤如下：

步骤31：C←C∪{u}，canGrow←false；

步骤32：寻找C的邻结点集合N_c←N(C，C_x)，对于N_c中每一个结点v，若d_vC+Cⁱⁿ≥σ(C.size+1)，canGrow←true，执行Grow(C，v，C_x)；

步骤33：若canGrow＝false，R←R∪{C}；

在算法中所寻找的极大团是生长的种子，生长成的社团为高密度社团。

3.根据权利要求1所述的基于复杂网络社区发现的层次重叠核心药群发现方法，其特征是簇合并算法的具体步骤如下：

ClusterMerging()：

步骤41：T←R.get(O)；

步骤42：对于R中的每一个社团C_i，遍历T中的每一个社团C_j，若D(C_i，C_j)＜λ，C←Merge(C_i，C_j)，T←T-{C_j}∪{C}，否则T←T∪{C_i}；

步骤43：Return T。

Images