CN109378080A - 一种基于特征词袋模型的相似中药检索方法 - Google Patents

Abstract

本发明公开了一种基于特征词袋模型的相似中草药检索方法。首先通过光学字符识别工具将“中国药典”、“中华本草”、“全国中草药汇编”、“中药大辞典”中的中草药信息转成数字文本。使用正则表达式方法将中草药的功效、性味、归经用法等信息提取出来，建立中草药信息库。分别根据中草药的功效、性味、归经、用法四个特征词袋生成中草药的功效、性味、归经、用法的词袋空间向量。最后根据特征词袋向量交集并集之商计算中草药间功效、性味、归经、用法属性的相似度，产生中草药相似性数据库。本发明可以根据属性相似度检索相关中草药，对中草药学习、促进中草药信息化意义重大。

Description

一种基于特征词袋模型的相似中药检索方法

技术领域

本发明涉及文本挖掘领域、中医药理论和echart可视化技术。特别是涉及一种基于特征词袋模型的相似中药检索方法。

背景技术

中医指中国传统医学，是研究人体生理、病理以及疾病的诊断和防治等的一门学科。它承载着中国古代人民同疾病作斗争的经验和理论知识，是在古代朴素的唯物论和自发的辨证法思想指导下，通过长期医疗实践逐步形成并发展成的医学理论体系。但是由于中医理论缺乏形式化表达和公众普及，人们很难直观的接触并理解中医药知识。鉴于此，本案发明人的关注点在于如何将中医的基本原理以一种直观的方式展示出来，从而推动中医药信息化的发展。

基于doc2vec的方法主要研究文本向量表示，将大段文本转化为一个特征向量，再计算两向量间的相似度。但该方法对于长文本效果显著，对于中药性味、归经、功效、用法属性的短文本无法很好的表示。

基于特征词袋模型的方法，通过设计好特征词袋，能够很好地捕捉短文本的语义特征，对相似度计算效果有很大提升。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于特征词袋模型的相似中药检索方法。

基于特征词袋模型的相似中药检索方法包括以下步骤：

1)应用光学字符识别工具对DjVu格式的“中国药典”、“中华本草”、“中药大辞典”、“全国中草药汇编”’进行光学字符识别处理，将纸质资料转换成数字化文本资料，然后运用正则表达式对数字化文本进行信息抽取，将不同中草药的信息、相同中草药的不同信息分离开来，建立中草药信息库；

2)结合中草药性味、归经、功效、用法各自特征词袋对中草药性味、中草药归经、中草药功效、中草药用法属性构建词袋向量；

3)利用中草药功效、归经、性味、用法属性的词袋向量，对中草药味、归经、功效、用法进行属性间相似度计算，得到中草药相似性数据库，同时建立数据索引；

4)用户先输入待查询的中草药名称，然后根据需要勾选相似属性选项，根据所输入的中草药名称和勾选的属性去查询相应的中草药相似性数据库表，检索出与输入中草药所需属性相似的中草药，并将检索结果通过echart可视化工具以关系图方式展示给用户。关系图中点击两两中药的连线可以查询中草药信息库，获取相似中草药性味、中草药归经、中草药功效、中草药用法属性详细信息。

所述中草药性味特征词袋为：带程度助词的“四气五味”共计25个，即：苦、平、无毒、辛、甘、酸、咸、凉、寒、微酸、热、涩、有毒、微凉、微寒、温、微辛、微温、有小毒、微苦、微甘、微涩、微咸、微热、微平，采用0-1量化构造词袋向量空间；

所述中草药归经特征词袋为：“十二腑脏经络”共计12个，即：肺、肾、脾、膀胱、小肠、肝、胃、大肠、心、胆、三焦、心包，采用0-1量化构造词袋向量空间；

所述中草药功效特征词袋为：人工收集的功效短语共计151个，即：安神、安胎、拔毒、辟秽、补肺、补肝、补命门火、补脾、补脾胃、补气、补肾、补心、补虚、补血、补阳、除痹、除烦、催产、催吐、导滞、涤痰、调经、定痫、发汗、腐蚀、攻毒、固崩、固齿、固精、固脱、和胃、和血、和中、化斑、化湿、化痰、回乳、回阳、活血、健胃、降火、降逆、降气、接骨、截疟、解表、解毒、解蛇虫毒、解暑、开窍、宽胸、宽中、理气、利胆、利关节、利窍、利水、利咽喉、敛疮、敛肺、凉血、明目、排脓、排石、平喘、平肝潜阳、平肝熄风、破血、强筋骨、强心、清肺、清肝、清热、清头目、清心、清虚热、驱虫、祛风、祛寒、祛瘀、袪湿、软坚、润肠、润肺、润肤、润燥、散结、涩肠、升阳、生发、生肌、蚀赘疣、收敛、疏风、疏肝、舒筋、缩尿、通便、通经、通淋、通络、通乳、通阳、透疹、退黄、托毒、温肺、温化寒湿、温经、温中、乌须发、消疳积、消积、消痞、消痰、消翳、消瘿、消胀、消癥积、消肿、泄热、泻火、泻下、辛凉解表、辛温解表、行气、宣肺、养胃、养颜、益智、引火归原、燥湿、镇惊、止带、止呃、止汗、止痉、止咳、止痢、止呕、止痛、止泻、止血、止痒、重镇安神、逐水、逐饮、壮阳、壮腰膝、坠痰、滋阴，采用0-1量化构造词袋向量空间；

所述中草药用法特征词袋为：人工收集的用法、用量词语共计31个，即：捣、敷、嚼、敢、煅、研、烧、泡、冲、煎汤、浸酒、撒、掺、煎、熏、洗、煮、搽、酒炒、醋、油、酒、丸、散、剂、膏、汤、钱、两、g、分，采用0-1量化构造词袋向量空间。

所述步骤3)包括：

(1)利用词袋向量间值为1的交集数量除以并集数量的方法计算任意两味中药在同一属性下的相似度，即中草药的功效-功效、中草药的性味-性味、中草药的归经-归经、中草药的用法-用法的相似度Sim(v1,v2):

Sim(v1,v2)＝sum((v1 AND v2)＝＝1)/sum((v1 OR v2)＝＝1)

其中sum(x＝＝1)为计算向量x中值为1的元素的数量，(v1AND v2)为逻辑运算的与门，(v1OR v2)为逻辑运算的或门；

(2)对任意一味中药，分别在性味、归经、功效、用法属性上计算相似度值在前100的中药药对存入相应的数据库表中；

(3)将生成的相似度表导入构建好的solr cloud搜索引擎平台，建立数据索引。

本发明与现有技术相比具有的有益效果：

1)将晦涩的中医药知识转换为简单易懂的关系图，有助于促进中医理论形式化表达；

2)将计算机技术用于中医药理论的研究当中，从而为两者的结合积累一定的经验；

3)中药性味、归经、功效、用法属性是专业领域文本，且属于短文本，在构建好专业领域词库的基础上，基于特征词袋构建的向量能够更好地提取中药属性中的语义特征，；

4)更有利于中医药初学者对中医药的学习及理解。

附图说明

图1是本发明的基于中草药相似度的关系图展示界面。

图2是本发明中药对比展示图。

具体实施方式

基于特征词袋模型的相似中药检索方法包括以下步骤：

1)应用光学字符识别工具对DjVu格式的“中国药典”、“中华本草”、“中药大辞典”、“全国中草药汇编”’进行光学字符识别处理，将纸质资料转换成数字化文本资料，然后运用正则表达式对数字化文本进行信息抽取，将不同中草药的信息、相同中草药的不同信息分离开来，建立中草药信息库；

2)结合中草药性味、归经、功效、用法各自特征词袋对中草药性味、中草药归经、中草药功效、中草药用法属性构建词袋向量；

3)利用中草药功效、归经、性味、用法属性的词袋向量，对中草药味、归经、功效、用法进行属性间相似度计算，得到中草药相似性数据库，同时建立数据索引；

4)用户先输入待查询的中草药名称，然后根据需要勾选相似属性选项，根据所输入的中草药名称和勾选的属性去查询相应的中草药相似性数据库表，检索出与输入中草药所需属性相似的中草药，并将检索结果通过echart可视化工具以关系图方式展示给用户。关系图中点击两两中药的连线可以查询中草药信息库，获取相似中草药性味、中草药归经、中草药功效、中草药用法属性详细信息。

所述中草药性味特征词袋为：带程度助词的“四气五味”共计25个，即：苦、平、无毒、辛、甘、酸、咸、凉、寒、微酸、热、涩、有毒、微凉、微寒、温、微辛、微温、有小毒、微苦、微甘、微涩、微咸、微热、微平，采用0-1量化构造词袋向量空间；

所述中草药归经特征词袋为：“十二腑脏经络”共计12个，即：肺、肾、脾、膀胱、小肠、肝、胃、大肠、心、胆、三焦、心包，采用0-1量化构造词袋向量空间；

所述中草药功效特征词袋为：人工收集的功效短语共计151个，即：安神、安胎、拔毒、辟秽、补肺、补肝、补命门火、补脾、补脾胃、补气、补肾、补心、补虚、补血、补阳、除痹、除烦、催产、催吐、导滞、涤痰、调经、定痫、发汗、腐蚀、攻毒、固崩、固齿、固精、固脱、和胃、和血、和中、化斑、化湿、化痰、回乳、回阳、活血、健胃、降火、降逆、降气、接骨、截疟、解表、解毒、解蛇虫毒、解暑、开窍、宽胸、宽中、理气、利胆、利关节、利窍、利水、利咽喉、敛疮、敛肺、凉血、明目、排脓、排石、平喘、平肝潜阳、平肝熄风、破血、强筋骨、强心、清肺、清肝、清热、清头目、清心、清虚热、驱虫、祛风、祛寒、祛瘀、袪湿、软坚、润肠、润肺、润肤、润燥、散结、涩肠、升阳、生发、生肌、蚀赘疣、收敛、疏风、疏肝、舒筋、缩尿、通便、通经、通淋、通络、通乳、通阳、透疹、退黄、托毒、温肺、温化寒湿、温经、温中、乌须发、消疳积、消积、消痞、消痰、消翳、消瘿、消胀、消癥积、消肿、泄热、泻火、泻下、辛凉解表、辛温解表、行气、宣肺、养胃、养颜、益智、引火归原、燥湿、镇惊、止带、止呃、止汗、止痉、止咳、止痢、止呕、止痛、止泻、止血、止痒、重镇安神、逐水、逐饮、壮阳、壮腰膝、坠痰、滋阴，采用0-1量化构造词袋向量空间；

所述中草药用法特征词袋为：人工收集的用法、用量词语共计31个，即：捣、敷、嚼、敢、煅、研、烧、泡、冲、煎汤、浸酒、撒、掺、煎、熏、洗、煮、搽、酒炒、醋、油、酒、丸、散、剂、膏、汤、钱、两、g、分，采用0-1量化构造词袋向量空间。

所述步骤3)包括：

(1)利用词袋向量间值为1的交集数量除以并集数量的方法计算任意两味中药在同一属性下的相似度，即中草药的功效-功效、中草药的性味-性味、中草药的归经-归经、中草药的用法-用法的相似度Sim(v1,v2):

Sim(v1,v2)＝sum((v1 AND v2)＝＝1)/sum((v1 OR v2)＝＝1)

其中sum(x＝＝1)为计算向量x中值为1的元素的数量，(v1 AND v2)为逻辑运算的与门，(v1 OR v2)为逻辑运算的或门；

(2)对任意一味中药，分别在性味、归经、功效、用法属性上计算相似度值在前100的中药药对存入相应的数据库表中；

(3)将生成的相似度表导入构建好的solr cloud搜索引擎平台，建立数据索引。

实施例

1、将步骤1)得到的中草药信息建立中草药信息库。medId字段为中草药编号，medNameZH字段为中草药名称，medTropisw字段为中草药的归经，medFunction字段为中草药的功效，medProperty字段为中草药的归经，medphaAction字段为中草药的药理作用，medProcess字段为中草药的炮制过程，medAttention字段为中草药的禁忌，medclinicalPractice字段为中草药的临床应用，medRemark字段为中草药的文献论述，medEnvironment字段为中草药的生长环境，medUsage字段为中草药的用法，medOrigin字段为中草药的基源，medchemComposition字段为中草药的化学组成，medAlias字段为中草药的别名；

2、对中草药信息库中的中草药功效、中草药性味、中草药归经、中草药用法按照步骤2)的方法建立向量空间；

3、对向量空间按照步骤3)进行相似度计算，得到中草药药对相似性信息库，medAName字段为相似中草药对中一个中草药名称，medBName字段为相似中草药对中另一个中草药名称，sim_property、sim_tropisw、sim_function、sim_usage分别为相似中草药对在性味、归经、功效、用法属性上的相似度；

4、输入需要查询相似性的中草药药材名称；

5、在“功效”、“性味”、“归经”、“用法”中选择想要查询的属性(可任意选择但至少选择一个)；

6、点击搜索按钮进行检索；

7、系统根据输入的中草药药材名称和选择的属性，将相应的中草药药对相似性信息库中符合条件的中药对返回。

8、通过echart可视化工具将返回的中草药药对以关系图的方式展示出来。本实例的运行结果如图1所示，用户输入的中草药药材名称为“麻黄”，并选择“性味”属性，检索结果显示为麻黄的相似中药，及麻黄的相似中药的相似中药所组成的关系图。

9、点击关系图中的一条边，将展示两味药的属性对比结果如图2所示，本实例点击麻黄-竹叶参组成的边，将返回该边两端对应中药的性味、归经、功效、用法对比。

Claims (3)

1.一种基于特征词袋模型的相似中药检索方法，其特征在于包括以下步骤：

1)应用光学字符识别工具对DjVu格式的“中国药典”、“中华本草”、“中药大辞典”、“全国中草药汇编”’进行光学字符识别处理，将纸质资料转换成数字化文本资料，然后运用正则表达式对数字化文本进行信息抽取，将不同中草药的信息、相同中草药的不同信息分离开来，建立中草药信息库；

2)结合中草药性味、归经、功效、用法各自特征词袋对中草药性味、中草药归经、中草药功效、中草药用法属性构建词袋向量；

3)利用中草药功效、归经、性味、用法属性的词袋向量，对中草药性味、归经、功效、用法进行属性间相似度计算，得到中草药相似性数据库，同时建立数据索引；

4)用户先输入待查询的中草药名称，然后根据需要勾选相似属性选项，根据所输入的中草药名称和勾选的属性去查询相应的中草药相似性数据库表，检索出与输入中草药所需属性相似的中草药，并将检索结果通过echart可视化工具以关系图方式展示给用户；关系图中点击两两中药的连线可以查询中草药信息库，获取相似中草药性味、中草药归经、中草药功效、中草药用法属性详细信息。

2.根据权利要求1所述的一种基于特征词袋模型的相似中药检索方法，其特征在于所述步骤2)包括：

所述中草药性味特征词袋为：带程度助词的“四气五味”共计25个，即：苦、平、无毒、辛、甘、酸、咸、凉、寒、微酸、热、涩、有毒、微凉、微寒、温、微辛、微温、有小毒、微苦、微甘、微涩、微咸、微热、微平，采用0-1量化构造词袋向量空间；

所述中草药归经特征词袋为：“十二腑脏经络”共计12个，即：肺、肾、脾、膀胱、小肠、肝、胃、大肠、心、胆、三焦、心包，采用0-1量化构造词袋向量空间；

所述中草药功效特征词袋为：人工收集的功效短语共计151个，即：安神、安胎、拔毒、辟秽、补肺、补肝、补命门火、补脾、补脾胃、补气、补肾、补心、补虚、补血、补阳、除痹、除烦、催产、催吐、导滞、涤痰、调经、定痫、发汗、腐蚀、攻毒、固崩、固齿、固精、固脱、和胃、和血、和中、化斑、化湿、化痰、回乳、回阳、活血、健胃、降火、降逆、降气、接骨、截疟、解表、解毒、解蛇虫毒、解暑、开窍、宽胸、宽中、理气、利胆、利关节、利窍、利水、利咽喉、敛疮、敛肺、凉血、明目、排脓、排石、平喘、平肝潜阳、平肝熄风、破血、强筋骨、强心、清肺、清肝、清热、清头目、清心、清虚热、驱虫、祛风、祛寒、祛瘀、袪湿、软坚、润肠、润肺、润肤、润燥、散结、涩肠、升阳、生发、生肌、蚀赘疣、收敛、疏风、疏肝、舒筋、缩尿、通便、通经、通淋、通络、通乳、通阳、透疹、退黄、托毒、温肺、温化寒湿、温经、温中、乌须发、消疳积、消积、消痞、消痰、消翳、消瘿、消胀、消癥积、消肿、泄热、泻火、泻下、辛凉解表、辛温解表、行气、宣肺、养胃、养颜、益智、引火归原、燥湿、镇惊、止带、止呃、止汗、止痉、止咳、止痢、止呕、止痛、止泻、止血、止痒、重镇安神、逐水、逐饮、壮阳、壮腰膝、坠痰、滋阴，采用0-1量化构造词袋向量空间；

所述中草药用法特征词袋为：人工收集的用法、用量词语共计31个，即：捣、敷、嚼、敢、煅、研、烧、泡、冲、煎汤、浸酒、撒、掺、煎、熏、洗、煮、搽、酒炒、醋、油、酒、丸、散、剂、膏、汤、钱、两、g、分，采用0-1量化构造词袋向量空间。

3.根据权利要求1所述的一种基于特征词袋模型的相似中药检索方法，其特征在于：所述步骤3)包括：

(1)利用词袋向量间值为1的交集数量除以并集数量的方法计算任意两味中药在同一属性下的相似度，即中草药的功效-功效、中草药的性味-性味、中草药的归经-归经、中草药的用法-用法的相似度Sim(v1,v2):

Sim(v1,v2)＝sum((v1 AND v2)＝＝1)/sum((v1 OR v2)＝＝1)

其中sum(x＝＝1)为计算向量x中值为1的元素的数量，(v1 AND v2)为逻辑运算的与门，(v1 OR v2)为逻辑运算的或门；

(2)对任意一味中药，分别在性味、归经、功效、用法属性上计算相似度值在前100的中药药对存入相应的数据库表中；

(3)将生成的相似度表导入构建好的solr cloud搜索引擎平台，建立数据索引。