基于MapReduce的中药数据网络化及挖掘

中药数据挖掘是研究中药复方配伍规律的一项重要应用,其常用的数据挖掘模型都是基于事务项的,即把复方看成由多种药物组成的事务并储存在事务数据库中。虽然采用事务项模型的确可以发现大量中药配伍规律知识,但是不利于药物间关系的显式分析以及配伍规律的深层次挖掘。 本文从网络图模型的角度出发尝试建立药物复杂网络模型,利用现有中药复方数据组建中药药物网络,然后在该网络图上应用复杂网络分析算法显式研究药物间关系,而且亦可深层次挖掘中药配伍规律。论文的主要工作如下： 1)针对药物如何组图的问题提出了药物节点间度量,依照该度量将中药复方数据组成中药药物网络图,并且深入研究该网络图的特点,特别是对药物节点度数的分析,发现中药药物网络具有很多复杂网络的特性； 2)为了发现中药药物网络图中的关键性节点,并分析指定药物节点的依赖性,本文分别采用了PageRank算法和中介中心性中的依赖度计算算法； 3)采用改进的同步更新标签传播算法来挖掘网络图中的药物社团,以发现药性相似、社团内部相对频繁组方的药物组； 4)为了能在较大中药复方数据集中快速进行组图并挖掘,本文基于MapReduce编程模型改写算法,而且所有算法均在Hadoop平台下测试运行。