CN111370140A - 一种基于节点相似度的Kmeans中药材功效聚类方法 - Google Patents

Abstract

本发明公开了一种基于节点相似度的Kmeans中药材功效聚类方法。本发明步骤：采集相关中医药数据，数据处理后形成方剂组成库、药材功效库、药材性味归经二值表；根据23大类功效表，将中药材功效总结归类，构建药材功效矩阵；基于方剂组成库构建方剂‑药材二分网络；计算基于度分布的药材对期望值，将药材对期望值作为中药材相似度；建立基于中药材相似度的Kmeans聚类模型；基于所述聚类模型对中药材进行聚类，得到中药材可能具有的潜在功效。本发明利用一种药材相似度矩阵进行Kmeans聚类的准确度可达0.728。同时使用Kmeans对传统药材的性味归经数据聚类，得到最终结果为0.646，高出约0.08，可见本发明提出的方法使得聚类结果更加精准。

Description

一种基于节点相似度的Kmeans中药材功效聚类方法

技术领域

本发明涉及计算机辅助药物设计领域，特别涉及一种基于节点相似度的Kmeans中药材功效聚类方法。

背景技术

本发明中针对方剂、药材信息将功效相似或相同的药材聚为一类。该聚类问题是一个典型的基于划分的问题，基于划分的聚类算法中较为简单且常用的算法为Kmeans聚类算法。Kmeans是无监督学习算法，是一种分组观察的方法，可调参数少，聚类速度快，方法简单。但传统的Kmeans算法具有两个明显的缺点：一是聚类个数K值很难把控，如中药材功效繁多，每种药材可能具有几十甚至上百种功效，这样聚类质量会很难保证；二是样本间距离计算并不能确保是其真实的相似程度，特别是针对中药这种特殊数据。

因此，本发明针对Kmeans上述两个缺点，利用方剂组成构建的二分网络，基于中药材相关特性提出了一种基于度分布的药材对相似度计算方法，并对比23大类功效表将药材的散乱功效归类，以获得聚类个数k以及结果对照。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于节点相似度的Kmeans中药材功效聚类方法。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1、采集相关中医药数据，数据处理后形成方剂组成库、药材功效库、药材性味归经二值表；

步骤2、根据23大类功效表，将中药材功效总结归类，构建药材功效矩阵；

步骤3、基于方剂组成库构建方剂-药材二分网络；

步骤4、计算基于度分布的药材对期望值，将药材对期望值作为中药材相似度；

步骤5、建立基于中药材相似度的Kmeans聚类模型；

步骤6、基于所述聚类模型对中药材进行聚类，得到中药材可能具有的潜在功效。

所述步骤1是通过文献、数据库和其他网络资源的途径，基于人工、网络爬虫的方法采集中医药相关数据，整合形成方剂组成库、药材功效库以及药材性味归经二值表；方剂组成库中包括了方剂名以及对应的药材组成信息；药材功效库包含药材所具有的各类功效；药材性味归经二值表是基于药材所具有的性味归经的数据构建的二值表。所述步骤2中的23大类功效表由医学专业人员提供，通过对采集到的药材功效库进行匹配，得到药材大类功效矩阵。

所述步骤3基于方剂与药材之间的关系构建了方剂药材关联二分网络，其中包括22570种方剂，1249味药材。

所述步骤4通过对网络的分析提出的一种基于度分布的药材对期望值计算方法，定义为药材对期望值：即药材m₁和药材m₂同时存在于方剂i中的期望值，记为P_i。

P_i＝A·B

其中，P_i为药材m₁和药材m₂同时存在于方剂i中的期望值。A为方剂i被药材m₁选中的概率，B为方剂i被药材m₂选中的概率，D_i为方剂i的度，

为药材m₁的度，

为药材m₂的度，D为所有方剂度之和。将两个药材同时存在于每个方剂中的概率值P_i累加(共n个方剂)，得到这两个药材同时出现于某一方剂中的期望值W。药材m₁与药材m₂实际共同存在于W_real个方剂中，可由以下公式计算得到的值作为药材的相似度值：

再将

三元组变换为矩阵形式作为中药材相似度矩阵。

所述步骤5中，在计算节点间距离时，使用以上已得的相似度值作为药材间的距离值，为匹配功效大类个数，将聚类个数设置为23。

所述步骤6中，将得到的聚类结果与已有的药材功效库进行对比分析，以验证方法的准确度。

本发明的有益效果体现在：

(1)考虑到中药材的领域特性，常用距离函数无法得到真实药材之间的距离，因此本发明提供了一种基于网络度分布的药材对相似度计算方法，更适用于中药领域，提高聚类质量。

(2)中药材的功效种类繁多且有重复，聚类个数难以确定。本发明利用专业功效大类数据，将药材功效总结归类到23大类下，更有利于聚类个数确定以及结果分析。

(3)本发明利用一种药材相似度矩阵进行Kmeans聚类的准确度可达0.728。同时使用Kmeans对传统药材的性味归经数据聚类，得到最终结果为0.646，高出约0.08，可见本发明提出的方法使得聚类结果更加精准。

附图说明

图1为本发明的流程图。

具体实施方式

为使本发明的目的、实施方案和优点更加清楚明白，这里结合具体实施例子作进一步的详细说明，如图1所示：

步骤1、采集相关中医药数据，数据处理后形成方剂组成库、药材功效库、药材性味归经二值表。

通过文献、数据库和其他网络资源等途径，基于人工、网络爬虫等方法采集尽可能完整的中医药相关数据(如方剂、中药材、中成药、药材功效及其性味归经)，整合形成方剂组成库、药材功效库以及药材性味归经二值表。方剂组成库中包括了方剂名以及对应的药材组成信息；药材功效库包含药材所具有的各类功效；药材性味归经二值表是基于药材所具有的性味归经的数据构建的二值表，例如青葙子有凉、平、毒、寒的特性、甘、苦的味道，进入心、肝脉络中，则青葙子的性味归经向量为V＝[v₁,v₂,v₃,...,v₂₃]＝[1,0,1,1,1,0,0,1,0,1,0,1,1,0,0,0,0,0,0,0,0,0,0]。

步骤2、根据23大类功效表，将中药材功效总结归类，构建药材功效矩阵。

由于中药材功效可能达上百种，使得Kmeans聚类个数不易确定，因此我们依照中药的功效大类表将功效归类成23类，分别是补气、安神、开窍、化湿、温胃止呕、涌吐药、补血、祛风除湿、平肝息风、利尿通淋、温里理气、拔毒生肌、活血化瘀、消食、杀虫解毒、止痛、发散风寒、敛肺涩肠、收敛止血清热解毒、泻下、清热泻火、化痰止咳平喘、发散风热。通过对采集到的药材功效库进行匹配，得到简化的药材功效矩阵，例如药材“青葙子”具有补气、祛风除湿、平肝息风、杀虫解毒、发散风寒、收敛止血清热解毒、清热泻火、发散风热这些功效，数据维度为1249*23。

步骤3、基于方剂组成库构建方剂-药材二分网络。

由于方剂与药材之间的关系，符合构建二分图的构建条件，即方剂之间不连接，药材之间不连接，方剂与药材之间连接等特点。因此本发明首先使用方剂组成库，构建方剂药材关联二分网络，其中包括 22570种方剂，1249味药材。

步骤4、计算基于度分布的药材对期望值，将药材对期望值作为中药材相似度。

定义药材对期望值：即药材m₁和药材m₂同时存在于方剂i中的期望值，记为P_i。

P_i＝A·B

其中，P_i为药材m₁和药材m₂同时存在于方剂i中的期望值。A为方剂i被药材m₁选中的概率，B为方剂i被药材m₂选中的概率，D_i为方剂i的度，

为药材m₁的度，

为药材m₂的度，D为所有方剂度之和；将两个药材同时存在于每个方剂中的概率值P_i累加(共n个方剂)，得到这两个药材同时出现于某一方剂中的期望值W。药材m₁与药材m₂实际共同存在于W_real个方剂中，可由以下公式计算得到的值作为药材的相似度值：

的取值范围为(-1，-0.5)和(1,101)。再将

三元组变换为矩阵形式作为中药材相似度矩阵。

步骤5、建立基于中药材相似度的Kmeans聚类模型。

5-1.对中药材相似度矩阵使用主成分分析法(PCA)进行降维，降维后数据维度为1249*2；

5-2.为了匹配功效大类个数，令聚类个数k＝23；

5-3.计算初始聚类中心，随机选取23个样本为初始样本；

5-4.根据最小距离原则，为样本分配最邻近聚类。即计算当前类内任意样本的类内质心距离，比较得到质心距离最小的样本，则归为当前类，并计算平均误差；

5-5.更新聚类中心。即计算每一类中所有点的平均误差，然后再次进行分配，再次计算平均误差；

5-6.比较前后两次的平均误差是否相等，若不相等则返回步骤 5-5重新更新聚类中心，若相等则进入步骤5-7；

5-7.以此类推，最终得到每个类别的样本。更新并保存类别和质心距离。

步骤6、基于所述聚类模型对中药材进行聚类，得到中药材可能具有的潜在功效。

将得到的聚类结果与已有的药材功效库进行对比分析，以验证方法的准确度。衡量指标使用Pearson相关系数。具体步骤为：

6-1.使用Pearson相关系数计算得到类别K_i中每一味药材与其他药材的功效相关性，并计算平均值作为此药材的平均相关性；

6-2.得到类别K_i中所有药材的平均相关性列表，并将列表均值作为衡量类别K_i的归类准确度指标。

根据以上指标计算可得，本发明利用一种药材相似度矩阵进行 Kmeans聚类的准确度可达0.728。同时使用Kmeans对传统药材的性味归经数据聚类，得到最终结果为0.646，高出约0.08，可见本发明提出的方法使得聚类结果更加精准。

Claims (7)

1.一种基于节点相似度的Kmeans中药材功效聚类方法，其特征在于包括以下步骤：

步骤1、采集相关中医药数据，数据处理后形成方剂组成库、药材功效库、药材性味归经二值表；

步骤2、根据23大类功效表，将中药材功效总结归类，构建药材功效矩阵；

步骤3、基于方剂组成库构建方剂-药材二分网络；

步骤4、计算基于度分布的药材对期望值，将药材对期望值作为中药材相似度；

步骤5、建立基于中药材相似度的Kmeans聚类模型；

步骤6、基于所述聚类模型对中药材进行聚类，得到中药材可能具有的潜在功效。

2.根据权利要求1所述的一种基于相似度的Kmeans中药材功效聚类方法，其特征在于步骤1具体实现如下：

通过文献、数据库和其他网络资源的途径，基于人工、网络爬虫的方法采集中医药相关数据，整合形成方剂组成库、药材功效库以及药材性味归经二值表；方剂组成库中包括了方剂名以及对应的药材组成信息；药材功效库包含药材所具有的各类功效；药材性味归经二值表是基于药材所具有的性味归经的数据构建的二值表。

3.根据权利要求1或2所述的一种基于相似度的Kmeans中药材功效聚类方法，其特征在于步骤2具体实现如下：

依照中药的功效大类表将功效归类成23类，分别是补气、安神、开窍、化湿、温胃止呕、涌吐药、补血、祛风除湿、平肝息风、利尿通淋、温里理气、拔毒生肌、活血化瘀、消食、杀虫解毒、止痛、发散风寒、敛肺涩肠、收敛止血清热解毒、泻下、清热泻火、化痰止咳平喘、发散风热；通过对采集到的药材功效库进行匹配，得到简化的药材功效矩阵。

4.根据权利要求3所述的一种基于相似度的Kmeans中药材功效聚类方法，其特征在于步骤3具体实现如下：

使用方剂组成库，构建方剂药材关联二分网络，其中包括22570种方剂，1249味药材。

5.根据权利要求4所述的一种基于相似度的Kmeans中药材功效聚类方法，其特征在于步骤4具体实现如下

定义药材对期望值：即药材m₁和药材m₂同时存在于方剂i中的期望值，记为P_i；

P_i＝A·B

其中，P_i为药材m₁和药材m₂同时存在于方剂i中的期望值；A为方剂i被药材m₁选中的概率，B为方剂i被药材m₂选中的概率，D_i为方剂i的度，

为药材m₁的度，

为药材m₂的度，D为所有方剂度之和；将两个药材同时存在于每个方剂中的概率值P_i累加，共n个方剂，得到这两个药材同时出现于某一方剂中的期望值W；药材m₁与药材m₂实际共同存在于W_real个方剂中，可由以下公式计算得到的值作为药材的相似度值：

的取值范围为(-1，-0.5)和(1,101)；再将

三元组变换为矩阵形式作为中药材相似度矩阵。

6.根据权利要求5所述的一种基于相似度的Kmeans中药材功效聚类方法，其特征在于步骤5具体实现如下

5-1.对中药材相似度矩阵使用主成分分析法进行降维，降维后数据维度为1249*2；

5-2.为了匹配功效大类个数，令聚类个数k＝23；

5-3.计算初始聚类中心，随机选取23个样本为初始样本；

5-4.根据最小距离原则，为样本分配最邻近聚类；即计算当前类内任意样本的类内质心距离，比较得到质心距离最小的样本，则归为当前类，并计算平均误差；

5-5.更新聚类中心；即计算每一类中所有点的平均误差，然后再次进行分配，再次计算平均误差；

5-6.比较前后两次的平均误差是否相等，若不相等则返回步骤5-5重新更新聚类中心，若相等则进入步骤5-7；

5-7.以此类推，最终得到每个类别的样本；更新并保存类别和质心距离。

7.根据权利要求6所述的一种基于相似度的Kmeans中药材功效聚类方法，其特征在于步骤6具体实现如下

将得到的聚类结果与已有的药材功效库进行对比分析，以验证方法的准确度；衡量指标使用Pearson相关系数；具体步骤为：

6-1.使用Pearson相关系数计算得到类别K_i中每一味药材与其他药材的功效相关性，并计算平均值作为此药材的平均相关性；

6-2.得到类别K_i中所有药材的平均相关性列表，并将列表均值作为衡量类别K_i的归类准确度指标。

Images