王晰 李海燕 亢力 刘静 邢雁辉 杨策 杨乐 李小阳 雷蕾

摘要：目的  针对中医药数据的特点和数据挖掘的需求，开发中医药数据挖掘系统（TCM Miner）。方法  TCM Miner基于中医药术语词表，围绕中医药数据挖掘工作中的数据清洗、集成、变换、选择等需求，分别构建用于数据清洗的数据拆分与合并、正异名替换、文本内容抽取、矩阵转换、中医药文本ETL等功能模块，用于数据挖掘的关联关系挖掘、聚类挖掘、贝叶斯处理等功能模块，及用于中医药翻译的专业文章翻译模块。结果  TCM Miner有效地解决了中医药数据挖掘过程中数据非标准化、个性化等问题，能够辅助科研人员进行数据清洗、数据挖掘及中医药文章翻译，节省了科研人员的时间精力。结论  TCM Miner为中医药数据清洗和分析提供了有效工具，为中医药传承创新提供有效途径。

关键词：中医药;数据挖掘;数据清洗

中图分类号：R2-05;TP311.5    文献标识码：A    文章编号：2095-5707（2021）04-0001-06

DOI： 10.3969/j.issn.2095-5707.2021.04.001        开放科学（资源服务）标识码（OSID）：

Construction and Application of TCM Miner

WANG Xi， LI Hai-yan， KANG Li， LIU Jing， XING Yan-hui， YANG Ce， YANG Le， LI Xiao-yang， LEI Lei*

（Institute of Information on Traditional Chinese Medicine， China Academy of Chinese Medical Sciences， Beijing 100700， China）

Abstract： Objective To develop TCM Miner in view of the characteristics of TCM data and the needs of data mining. Methods Based on the vocabulary of TCM terms， focusing on the data cleaning， integration， transformation， selection， and other requirements in the data mining of TCM， TCM Miner built function modules for data cleaning， such as data splitting and merging， positive synonym replacement， text content extraction， matrix conversion， TCM text ETL， etc.， functional modules for data mining， such as association relationship mining， cluster mining， Bayesian processing for data mining， and professional article translation modules for TCM translation. Results TCM Miner could effectively solve the problems of non-standardization and personalization of data in the process of data mining of TCM， which can be used to assist researchers in data cleaning， data mining and translation of TCM articles， saving researchers time and energy. Conclusion TCM Miner provides an effective tool for TCM data cleaning and analysis， offering an effective way for TCM inheritance and innovation.

Key words： TCM; data mining; data cleaning

基金項目：中国中医科学院基本科研业务费自主选题（ZZ140304、ZZ140309、ZZ11-106）

第一作者：王晰，E-mail： 3317669472@qq.com

*通讯作者：雷蕾，E-mail： leilei@mail.cintcm.ac.cn

在大数据时代背景下，数据挖掘工作逐步在中医药领域开展起来，目前数据挖掘技术在中医证候归纳、中医方剂、名中医临床经验、中药药性、中药知识图谱、针灸取穴规律、针灸方法选择与应用等领域均有大量应用，为临床诊治疾病、新药开发、医学科研等提供了参考、奠定了基础[1-2]。然而由于中医药数据的不规范性、小样本宽数据蕴含复杂信息的特点[3]，中医药数据尤其是医案数据的挖掘和传统的“数据挖掘”有不少差别。……