2022第二十四卷第十一期★Vol.24No.11〔ModernizationofTraditionalChineseMedicineandMateriaMedica-WorldScienceandTechnology〕基于HPD算法的中药药对挖掘方法＊薛琪1，高博2，温晶1，朱彦2＊＊，孟祥福1＊＊（1.辽宁工程技术大学电子与信息工程学院葫芦岛125105；2.中国中医科学院中医药信息研究所北京100700）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-PairsDiscovering，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。关键词：药对挖掘深度学习机器学习作用分类doi:10.11842/wst.20210918002中图分类号:R-058文献标识码:A人工智能方法与中医药数据分析相结合，有效提升了中医药数据分析的质量，特别是对于药对发现、经典名方分析具有重要作用。本文以中医药中的药对发现为研究背景，提出一套针对药对发现的有效数据挖掘方法。药对（Coupletmedicines），也称对药、对子[1]，两味药成对相配，多有协同增效或减毒作用。药对是方剂配伍的最小单元，在辨证的基础上确立相应治法，根据治法选用特定性能和功效的药物进行组合配对，并经过临床应用被证明行之有效。药对的使用是中医药学家长期医疗实践的经验总结和精华所在，体现了中药应用的基本原则[2]。通过对药对进行研究，可以找出方剂配伍之间的隐含规律，为中医药的信息化提供技术支持。在人工智能与中医药数据相结合的领域[3]，目前专门针对药对发现的研究还不够深入和系统，药对更多是在临床实践过程中形成的相对固定的饮片搭配，与药对相关的数据也多散落在大量的中药、方剂论述与中医临床处方中，使得数据挖掘技术在药对发现中面临较大挑战[4-5]。本文提出了一种改进的机器学习算法—HPD，该方法在饮片之间的共现基础上，充分考虑饮片的性、味、归经等属性，通过先预测再分类的方法有效提高查找药对的准确率并发现潜在药对。本文HPD算法分为3个步骤，主要贡献如下：①综合...
