适用中药方剂网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法技术

本发明专利技术提供一种适用中药方剂(Traditional?Chinese?Medicine?Herbs，以下简称TCMF)网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法，包括如下步骤：1)共近邻相似三元组凝聚阶段a寻找所有三元组；b对任意两个三元组计算相似度；c给定三元组的相似度阈值，合并相似度高于相似度阈值的三元组对作为初始社区；d结束；2)簇合并阶段a计算任意两个初始社区的距离；b定初始社区距离阈值，合并距离小于距离阈值的两个初始社区；c结束。本发明专利技术的基于TCMF网络的层次重叠核心药群发现方法为TCMF网络发现提供了一种新的方法，该方法通过三个参数α，β，γ的设定能挖掘TCMF网络的高重叠及层次药群社区结构，为方剂配伍中核心药群发现提供了解决方案。

【技术实现步骤摘要】

本专利技术涉及一种中药方剂(Traditional Chinese Medicine Herbs,以下简称TCMF)挖掘的方法，尤其涉及适用TCMF网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法。
技术介绍
目前利用数据挖掘技术探讨方剂配伍规律的研究主要有以下三种模式以分类为主的数据挖掘研究模式，以聚类为主的数据挖掘研究模式和以关联规则挖掘为主的研究模式。用网络的观点描述客观世界起源于1736年德国数学家Eular解决哥尼斯堡七桥问题。利用网络的拓扑结构来挖掘其功能模块和组织结构是社团结构发现的主要目标，迄今为止有大量的研究者投入了很大的努力，学术界已提出了许多社团发现方法，Fortunato对这些方法提供了一个较为全面的总结，给出了三个较为常见的社区结构定义局部定义、全局定义和结点相似度定义，事实上还有边相似度定义。现实世界中有很多的真实复杂网络，如社会网络、互联网页面间互相链接网络、文献引用网络、生物学网络(如蛋白质相互作用网络)、论文合著网络等等。不同的真实网络结构代表其研究方向的现实意义，中药方剂(Traditional Chinese Medicine Formula,简写TCMF)网络是区别于传统复杂网络的真实网络，如图I所示为TCMF网络，附图2所示为两种网络重叠对比。TCMF网络社团结构代表了一类具有潜在组方可能的药群，TCMF网络不仅有重叠结点，还具有重叠边，另外TCMF网络也有一定的层次性，大的组方药群中包含有小的更紧密组方药群，TCMF网络层次性一定程度上可以用来探索症候与症状的关系。传统的层次重叠社区发现方法(如LFM方法、边凝聚方法等)并不适用于TCMF网络
技术实现思路
本专利技术所要解决的技术问题是提供一种适用TCMF网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法，为TCMF网络挖掘的应用提供解决方案。技术方案为解决上述问题，本专利技术的适用TCMF网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法包括如下步骤I)共近邻相似三元组凝聚阶段a寻找所有三元组；b对任意两个三元组计算相似度；c给定三元组的相似度阈值P，合并相似度高于相似度阈值P的三元组对作为初始社区；d 结束；2)簇合并阶段a计算任意两个初始社区的距离；b定初始社区距离阈值Y，合并距离小于距离阈值Y的两个初始社区；c 结束。本专利技术中，步骤l)_a中所述的三元组为图中三结点完全图。本专利技术中，步骤l)_b中所述的两个三元组的相似度公式定义如下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用TCMF网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法，其特征在于，包括如下步骤 1)共近邻相似三元组凝聚阶段 a寻找所有三元组； b对任意两个三元组计算相似度； c合并相似度高于相似度阈值的三元组对，作为初始社区； d结束； 2)簇合并阶段 a计算任意两个初始社区的距离； b合并距离小于社区距离阈值的两个初始社区； c结束。2.根据权利要求I所述的适用TCMF网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法，其特征在于，其中步骤l)_a中所述的三元组为图中三结点完全图。3.根据权利要求I所述的适用TCMF网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法，其特征在于，其中步骤l)_b中所述的两个三元组的相似度公式定义如下S(Tr,Ts) = a J (Tr, Ts)+ (I...

【专利技术属性】
技术研发人员：王崇骏，孙道平，刘正，王峰，谢俊元，
申请(专利权)人：南京大学，
类型：发明
国别省市：