中醫(yī)藥知識(shí)發(fā)現(xiàn)可靠性研究.pdf

1、知識(shí)發(fā)現(xiàn)可靠性是知識(shí)發(fā)現(xiàn)領(lǐng)域中一個(gè)重要但容易忽視的主題。隨著知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用，有一個(gè)問(wèn)題逐漸引起人們的關(guān)注，即在什么條件下知識(shí)發(fā)現(xiàn)是可靠的，或者說(shuō)在什么條件下所發(fā)現(xiàn)的知識(shí)是可靠的。近年來(lái)在知識(shí)發(fā)現(xiàn)可靠性方面的研究，大多關(guān)注于某一具體數(shù)據(jù)挖掘模型下的可靠性問(wèn)題。而對(duì)于不同模型問(wèn)存在的可靠性共同主題，比如數(shù)據(jù)質(zhì)量、評(píng)估方法等等，迄今為止仍沒(méi)有一項(xiàng)系統(tǒng)性研究。針對(duì)知識(shí)發(fā)現(xiàn)可靠性的共同主題，進(jìn)行分階段、系統(tǒng)化的總結(jié)和梳理，已成為

2、知識(shí)發(fā)現(xiàn)可靠性研究的一大迫切需要。
　　 在知識(shí)發(fā)現(xiàn)技術(shù)所應(yīng)用的各個(gè)領(lǐng)域，有一個(gè)領(lǐng)域特別需要知識(shí)發(fā)現(xiàn)可靠性的研究，即中醫(yī)藥領(lǐng)域。作為中華民族重要文化財(cái)富和學(xué)術(shù)成就的中醫(yī)藥，近年來(lái)面臨著生存和發(fā)展的挑戰(zhàn)。如何把這一挑戰(zhàn)化為中醫(yī)藥發(fā)展的契機(jī)，利用知識(shí)發(fā)現(xiàn)技術(shù)促進(jìn)中醫(yī)藥的跨越式發(fā)展，已成為中醫(yī)藥研究人員的一項(xiàng)重要課題。近年來(lái)的中醫(yī)藥信息化工作已為知識(shí)發(fā)現(xiàn)創(chuàng)造了有利條件。然而，由于中醫(yī)藥數(shù)據(jù)自然語(yǔ)言性強(qiáng)，數(shù)據(jù)表達(dá)涵義豐富，表達(dá)方式多樣化

3、，而且在數(shù)據(jù)質(zhì)量上還面臨較大問(wèn)題，在具備這些特征的數(shù)據(jù)上所進(jìn)行的知識(shí)發(fā)現(xiàn)，相比其他領(lǐng)域來(lái)講，就更加需要關(guān)注和研究知識(shí)發(fā)現(xiàn)可靠性問(wèn)題。
　　 在這一背景下，本文圍繞中醫(yī)藥知識(shí)發(fā)現(xiàn)可靠性這一主題，從知識(shí)發(fā)現(xiàn)整個(gè)生命周期的各個(gè)階段對(duì)可靠性因素進(jìn)行探討，提出了知識(shí)發(fā)現(xiàn)可靠性框架PBRF-KD。針對(duì)中醫(yī)藥知識(shí)發(fā)現(xiàn)中比較突出的可靠性問(wèn)題，重點(diǎn)探討中醫(yī)藥知識(shí)發(fā)現(xiàn)中的結(jié)構(gòu)性因素、表達(dá)性因素和信任性因素三大問(wèn)題。本文的研究工作與貢獻(xiàn)包括如下幾個(gè)方

4、面：
　　 1)提出了基于過(guò)程的知識(shí)發(fā)現(xiàn)可靠性框架
　　 針對(duì)現(xiàn)有知識(shí)發(fā)現(xiàn)可靠性研究模型相關(guān)的特點(diǎn)，提出了一個(gè)與模型/應(yīng)用無(wú)關(guān)的知識(shí)發(fā)現(xiàn)可靠性框架PBRF-KD，該框架采用基于過(guò)程的思路對(duì)知識(shí)發(fā)現(xiàn)整個(gè)流程中的各個(gè)階段和可靠性因素進(jìn)行了梳理，歸納出了7種可靠性相關(guān)因素。該框架為知識(shí)發(fā)現(xiàn)項(xiàng)目設(shè)立了整套與可靠性相關(guān)的藍(lán)本。
　　 2)提出了結(jié)構(gòu)相關(guān)的可靠性因素的優(yōu)化方法
　　 分析了中醫(yī)藥知識(shí)發(fā)現(xiàn)中與結(jié)構(gòu)相關(guān)的

5、可靠性因素，主要指數(shù)據(jù)完整性。針對(duì)文本型字段的完整性問(wèn)題，提出了基于順序半相關(guān)度量的中醫(yī)藥文本缺失字段填補(bǔ)方法。針對(duì)中醫(yī)藥文獻(xiàn)類別標(biāo)簽缺失的問(wèn)題，提出了基于M-Similarity的多標(biāo)簽文本分類方法。
　　 3)提出了表達(dá)相關(guān)的可靠性因素的優(yōu)化方法
　　 分析了中醫(yī)藥知識(shí)發(fā)現(xiàn)中與表達(dá)相關(guān)的可靠性因素，包括表達(dá)粒度和表達(dá)一致性。針對(duì)表達(dá)粒度，提出了基于規(guī)則的表達(dá)粒度細(xì)分方法。針對(duì)表達(dá)一致性，提出了基于本體的表達(dá)一致化方法

6、。該套方法有助于提高中醫(yī)藥與表達(dá)相關(guān)的可靠性。
　　 4)提出了信任相關(guān)的可靠性因素的優(yōu)化方法
　　 分析了中醫(yī)藥知識(shí)發(fā)現(xiàn)中與信任相關(guān)的可靠性因素，主要指數(shù)據(jù)可信度。針對(duì)中醫(yī)藥特有的數(shù)據(jù)可信度問(wèn)題，提出了基于歷史文獻(xiàn)認(rèn)可度的數(shù)據(jù)可信度衡量方法，和基于互聯(lián)網(wǎng)知名度的數(shù)據(jù)可信度衡量方法。此外，基于這兩種可信度衡量方法，提出了基于數(shù)據(jù)可信度的加權(quán)頻繁模式挖掘算法，并在消渴方和脾胃方數(shù)據(jù)集上獲得了有意義的結(jié)果。該套方法有助于提高