方剂治法模型知识库的扩展设计和建模实验研究(3)
| 第1页 |
参见附件。
用此方案所构建的解表法模型，仍然分别从上述随机抽取的20个方剂数据进行识别实验，实验的结果如下。
(1)《伤寒论》解表法模型识别结果与人为分类识别比较，以下2个记录中出现差异：#5_麻黄杏仁薏苡甘草汤；#7_桂枝附子汤。
(2)《方剂学》解表法模型识别结果与人为分类识别比较，以下5个记录中出现差异：#1_栝蒌桂枝汤；#2_葛根汤；#4_麻黄加术汤；#5_麻黄杏仁薏苡甘草汤；#7_桂枝附子汤。
(3)《伤寒论》合《方剂学》解表法模型识别结果与人为分类识别比较，以下3个记录中出现差异：#5_麻黄杏仁薏苡甘草汤；#7_桂枝附子汤；#9_甘草附子汤。
可见，用此方案所构建的解表法模型，其识别的结果与人认识的一致性分别是90%(《伤寒论》)、75%(《方剂学》)、85%(《伤寒论》和《方剂学》)，均不如“2.3”项数据的建模效果，其预报应用的准确率普遍降低。
3 小结
“2.3”项的实验反映的是知识库改进后的建模效果，“2.4”项的实验反映的是知识库改进前的建模效果。对比可知，系统的知识库经过扩展和改进后，经CPIAS计算和推导得出“方剂功效筛选”、“方剂症状排序、方剂证素集合”，由此3项维数参与构建CPSVM的方剂解表法模型，其识别结果与人认识的一致性分别由改进前的75%～90%提高到95%。实验表明，经过改进设计后的知识库明显提高了方剂治法模型的预报准确率，方剂功效筛选、方剂症状排序、方剂证素集合三者是影响中医方剂治法模型构建质量的关键性因素。
参考文献：
[1] Swanson DR. Medical literature as a potential source of new knowledge[J]. Bull Med Libr Assoc，1990，78(1)：29-37.
[2] 王国印，顾仁樾.中医医案数据库的建立与挖掘[J].中国医药导报， 2007，4(4)：55-56.
[3] 刘晓峰，任廷革，高全泉，等.中医处方智能分析系统的研究与实践[J].中国中医药信息杂志，2007，14(10)：97-99.
[4] 孙燕，臧传新，任廷革.SVM方法在《伤寒论》方小样本分类识别中的应用[J].中国中医药信息杂志，2009，16(2)：98-100.
[5] 高全泉，张帆，刘晓峰，等.中医方剂属性特征的获取和知识挖掘实验[J].计算机工程与应用，2011，47(28)：212-214.
[6] 任廷革，张帆，刘晓峰，等.基于智能计算的中医方剂治法模型研究的构思与流程设计[J].北京中医药大学学报，2012，35(8)：524.
(收稿日期：2013-12-01；编辑：华强)
您现在查看是摘要介绍页，详见PDF附件。