秦琦冰，谭 龙,2

(1.黑龙江大学 计算机科学技术学院，哈尔滨 150080； 2.黑龙江省数据库与并行计算重点实验室(黑龙江大学)，哈尔滨 150080)

(*通信作者电子邮箱tanlong@hlju.edu.cn)

基于中医方剂数据库的Top-Rank-k频繁模式挖掘算法

秦琦冰1，谭 龙1,2*

(1.黑龙江大学 计算机科学技术学院，哈尔滨 150080； 2.黑龙江省数据库与并行计算重点实验室(黑龙江大学)，哈尔滨 150080)

(*通信作者电子邮箱tanlong@hlju.edu.cn)

为降低中医(TCM)方剂频繁模式挖掘过程中对经验参数的依赖，提高挖掘结果的准确性，针对中医方剂的数据特点，提出一种基于带权无向图的Top-Rank-k频繁模式挖掘算法。该算法可以直接挖掘出频繁k-itemset(k≥3)而无需产生1-itemset和2-itemset，并随之快速回溯到核心药物组合的频繁项集所对应的方剂信息；此外，采用一种动态位向量(DBV)的压缩机制对无向图中边的权重进行压缩存储，以有效地提高算法的空间存储效率。分别对中医方剂数据集、真实数据集(Chess、Pumsb和Retail)和合成数据集(T10I4D100K和Test2K50KD1)进行测试和比较，结果表明该算法与iNTK和BTK相比具有更高的时间和空间效率，而且也可以应用于其他类型的数据集。

中医方剂；Top-Rank-k；频繁模式；带权无向图；动态位向量

0 引言

数据挖掘指的是从大量的数据中通过相应的算法发现隐藏于其中未知且可能有用的信息[1-2]。在数据挖掘领域，频繁模式挖掘始终扮演着至关重要的作用[3]。在传统的频繁模式挖掘过程中，用户需要输入最小支持度阈值来生成满足条件的频繁模式集合，因此传统的频繁模式挖掘可能会产生以下两个问题[4]： 1)用户很难准确设置合适的最小支持度，如果阈值太小可能会产生大量的频繁模式，阈值太大可能会把某些关键信息过滤掉；……