典型文献
基于HPD算法的中药药对挖掘方法
文献摘要：
人工智能方法辅助中药药对发现对于中医发展具有重要的现实意义,但当前的药对挖掘方法大多基于现有的单一的机器学习模型,使得药对发现的质量不高.本文旨在找出中医药候选药对,通过分析已知药对中饮片之间的特性和耦合关系,提出了一种改进的机器学习算法(Herb-Pairs Discovering,HPD).该方法采用药对属性相关度评分方法,找出其中不低于给定阈值的饮片对.在基于朴素贝叶斯对饮片作用分类方法基础上利用决策树算法对饮片组合进行分析进而找出预测药对.在实际中医药测试数据上进行实验,结果分析表明,HPD算法得到的药对召回率达到82.7％,准确率达到80.6％,说明HPD算法可以有效地发现中医药饮片集合中潜在的药对.
文献关键词：
药对挖掘;深度学习;机器学习;作用分类
中图分类号：
作者姓名：
薛琪;高博;温晶;朱彦;孟祥福
作者机构：
辽宁工程技术大学电子与信息工程学院 葫芦岛 125105;中国中医科学院中医药信息研究所 北京 100700
文献出处：
引用格式：
[1]薛琪;高博;温晶;朱彦;孟祥福-.基于HPD算法的中药药对挖掘方法)[J].世界科学技术-中医药现代化,2022(11):4160-4166
A类：
药对挖掘
B类：
HPD,中药药对,挖掘方法,人工智能方法,中医发展,机器学习模型,饮片,耦合关系,机器学习算法,Herb,Pairs,Discovering,相关度,评分方法,朴素贝叶斯,对饮,作用分类,分类方法,方法基础,决策树算法,测试数据,召回率
AB值：
0.32476
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
