【摘要】：針對傳統(tǒng)平臺運行Apriori算法來挖掘中醫(yī)病案中用藥組合規(guī)律時,存在著占用內(nèi)存空間大、計算效率低和PB級數(shù)據(jù)無法處理等問題,提出基于Hadoop的中醫(yī)哮喘用藥組合關(guān)聯(lián)分析方法。采用Mapreduce分布式計算框架和HBase分布式數(shù)據(jù)庫優(yōu)化Apriori算法性能:一方面使用Mapreduce計算框架并行處理數(shù)據(jù),借助HBase高速讀寫數(shù)據(jù)的特性,加速頻繁項集的產(chǎn)生;另一方面摒棄傳統(tǒng)算法中的自連接產(chǎn)生候選項集方式,對每個節(jié)點上的數(shù)據(jù),使用循環(huán)和遞歸相結(jié)合的方式產(chǎn)生候選集,提高候選集產(chǎn)生的效率。實驗結(jié)果證明,借助基于Hadoop的中醫(yī)哮喘用藥組合關(guān)聯(lián)分析方法挖掘中醫(yī)藥組合規(guī)律,效率更高,能更有效地指導(dǎo)臨床實踐。
[Abstract]:In order to solve the problems of using Apriori algorithm to mine the law of drug combination in traditional Chinese medicine medical records, there are some problems, such as large memory space, low computational efficiency and PB level data can not be processed, this paper puts forward a method of association analysis of traditional Chinese medicine asthma combination based on Hadoop. Mapreduce distributed computing framework and HBase distributed database are used to optimize the performance of Apriori algorithm: on the one hand, Mapreduce computing framework is used to process data in parallel, and the generation of frequent itemsets is accelerated with the help of the characteristics of HBase high-speed reading and writing data; on the other hand, the self-join generation of candidate itemsets in traditional algorithms is abandoned, and the candidate sets are generated by the combination of loop and recurrence to improve the efficiency of candidate sets generation. The results show that it is more efficient to excavate the law of TCM combination with the help of Hadoop-based association analysis of asthma combination in traditional Chinese medicine, and it can guide the clinical practice more effectively.
【作者單位】： 青島科技大學(xué);
【基金】：山東省重點研發(fā)計劃項目(No.2015GSF119016)
【分類號】：R256.12;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 韓桂玲;屈毓敏;王辛秋;陳燕;晁恩祥;;基于數(shù)據(jù)挖掘的晁恩祥教授治療慢性咳嗽臨床觀察[J];世界中醫(yī)藥;2015年10期

2 魏玲;魏永江;高長元;;基于Bigtable與MapReduce的Apriori算法改進[J];計算機科學(xué);2015年10期

3 馬強;楊金民;;基于MapReduce的頻繁項集并行挖掘算法[J];計算機應(yīng)用與軟件;2015年09期

4 王飛雪;王大偉;王玉賢;馬克信;王一戰(zhàn);雷蕾;范吉平;;基于數(shù)據(jù)挖掘的吳鞠通用藥規(guī)律再探析[J];陜西中醫(yī);2015年07期

5 李揮劍;;大數(shù)據(jù)環(huán)境下頻繁項集挖掘的研究[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2015年02期

6 周發(fā)超;王志堅;葉楓;鄧玲玲;;關(guān)聯(lián)規(guī)則挖掘算法Apriori的研究改進[J];計算機科學(xué)與探索;2015年09期

7 李偉衛(wèi);趙航;張陽;王勇;;基于MapReduce的海量數(shù)據(jù)挖掘技術(shù)研究[J];計算機工程與應(yīng)用;2013年20期

8 鄭舞;劉國萍;;常見數(shù)據(jù)挖掘方法在中醫(yī)診斷領(lǐng)域的應(yīng)用概況[J];中國中醫(yī)藥信息雜志;2013年04期

9 翟巖龍;羅壯;楊凱;徐晟晨;;基于Hadoop的高性能海量數(shù)據(jù)處理平臺研究[J];計算機科學(xué);2013年03期

10 羅可,吳杰;一種基于Apriori的改進算法[J];計算機工程與應(yīng)用;2001年22期

【共引文獻】

相關(guān)期刊論文 前10條

1 朱坤;黃瑞章;張娜娜;;一種基于MapReduce模型的高效頻繁項集挖掘算法[J];計算機科學(xué);2017年07期

2 黃劍;李明奇;郭文強;;基于Hadoop的Apriori改進算法研究[J];計算機科學(xué);2017年07期

3 張立山;周紹忠;李超;;微飲與慢性咳嗽[J];中華中醫(yī)藥雜志;2017年07期

4 孫惠力;宋高峰;戈娜;易無庸;韓鵬勛;王文靜;易鐵鋼;李順民;;基于數(shù)據(jù)挖掘探討中醫(yī)辨治特發(fā)性膜性腎病的證治規(guī)律[J];江西中醫(yī)藥;2017年06期

5 郝艷妮;田維麗;;基于Hadoop的數(shù)據(jù)挖掘算法在葡萄酒信息數(shù)據(jù)分析系統(tǒng)中的應(yīng)用[J];計算機應(yīng)用;2017年S1期

6 陳聰;趙洪丹;宋柏巖;劉大巍;趙宇;;基于Hadoop技術(shù)的智能電網(wǎng)監(jiān)控平臺的設(shè)計[J];自動化技術(shù)與應(yīng)用;2017年05期

7 王鐳;許研;陳小潘;;基于Hadoop的PM_(2.5)遙感監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[J];河南大學(xué)學(xué)報(自然科學(xué)版);2017年03期

8 金連順;唐麗娟;宋蘋;張f，

本文編號：2507865