中医古籍文本本分析系统关键技术研究与实现.docx

摘 要

中国古籍是我国优秀的民族文化遗产，中医理论在长期的医疗实践中积累了大量数

据，挖掘出其中蕴含的宝贵经验，是一项极有价值的研究工作。数据挖掘可以发现蕴藏

在中医古籍中的潜在知识，而关联规则是数据挖掘中的一个主要研究分支，是目前的主

流研究方向，侧重寻找数据之间的依赖关系以及更好的应用于特定领域中。

本文重点是对关联规则挖掘算法的研究，基于 Apriori 关联算法对古籍《伤寒九十

论》进行数据挖掘，首先对收集到的古文数据进行预处理工作，其次进行关联规则算法

practice, and it is a valuable research work to dig out the valuable experience contained

therein.Data mining can discover the potential knowledge contained in ancient books of

traditional Chinese medicine, and association rules, as a main research branch in data mining,

is the mainstream research direction at present, which focuses on finding the dependency

relationship between data and better application in specific fields.

This paper focuses on the study of association rule mining algorithm, based on the

Apriori correlation algorithm of ancient books "typhoid fever ninety theory of data mining,

first of all the collected data preprocessing of ancient prose work, secondly for the design of

association rule algorithm, using Matlab to Chinese medical text data mining, and through the

analysis of the result of the association rules, show that mining results conform to the relevant

1.1.1 研究背景

巨大变革，文献信息载体也逐渐向数字化、网络化方向发展。中医古籍文本的数字化建

设、数字化产品，以及网络化服务，将成为现代发展的主流趋势。中医古籍上起周秦，

下至清代，历时 2000 余年，具有数量庞大、专业性强、形式多样、内容杂糅、实用性

强、价值巨大等特点，记载着古代人民创造出来的丰富知识，是珍贵的历史数据和具有

重要价值的文化遗迹。对中医古籍的整理研究，是对传统医学的继承发展，早在西汉成

古籍的不断整理研究，才能使很多中医古籍能够流传至今。然而，中医古籍的客观现状

却不容乐观， 很多已年代湮远，有些甚至已成为孤本、善本，使得很多中医古籍只能

束之高阁；另中医古籍因古籍的特殊性，不能以普通书籍印刷、传阅等传播方式广泛流

传，这大大降低了中医古籍资源的使用价值。如何客观、合理地发掘遗产，发扬学术，

做到“古为今用”，又能很好的保护这些不可复制的古籍文本，是图书馆古籍利用和文

献保护工作中的一大难题。

理与研究发生了翻天覆地的变化。 2002 年以后，古籍数字化的探讨更多集中在理论方

面， 并逐渐转向知识库、知识发现等古籍深度利用研究方面。随着古籍数字化的进一

步发展和成熟，对中医古籍的整理与研究必然会更加深入。

1.1.2 研究意义

（1）中医古籍文本系统开发的必要性

古籍属于珍贵的文物, 每一次翻阅都会对其造成不同程度的损害, 所以它不能像一

般图书那样可以大范围流通, 这大大降低了古籍资源的使用价值, 这就体现了古籍文献

资源保护和利用的矛盾性, 古籍为了保护的需要, 就难以实现其文化史料价值的挖掘。

古籍文献的保护和利用, 一直以来看似无法兼得, 通过实现古籍文献资源的数字化, 将

这一矛盾成功化解。

（3）中医古籍文本系统开发的便利性

现有的数字存储技术内容、形式丰富多样, 占用空间小、可长久保存, 提高检索速

度, 方便用户检索。只要有网络, 读者就可以随时随地的获取所需古籍信息, 这种多方

面、多层次、多形式的服务, 使古籍研究的便利性有了质的飞跃。图像扫描技术十分简

单快捷, 而且保存起来也非常便捷, 这些优势都促进了古籍文献资源的保护与研究。

古籍资源共享, 也有利于学术研究。古籍散落在全国各地, 古籍研究者如果需要使

用某本古籍, 就非常不方便。古籍资源数字化消除了这种不便, 使得读者可以随时随地

获取所需古籍信息, 不用为了某些珍贵古籍而奔波, 而且能使相关的古籍学者通过网络

相互探讨、研究, 资源的利用率远远高于传统纸质古籍文献。

1.2 国内外研究现状

善本检索系统。随着我国计算机和网络技术的提高，古籍数字化已具雏形。20 世纪 90

年代后期以来，古籍数字化在我国迅速发展。这一时期些人的出版单位、学术机构和商

业公司介入了古籍的数字化工作，使古籍数字化的规模迅速扩大。如国家图书馆制定庞

大古籍文献的数字化计划，像碑帖菁华、西夏碎金、敦煌遗珍、数字方志以及甲骨文、

《永乐大典》等；北京大学图书馆推出了“秘籍琳琅"项目：刘俊文先生开始主持“中

国基本古籍库"光盘工程；北京书同文数字化技术有限公司先后开发了《四库全书》、《四

部丛刊》 、《康熙字典》的电子版：国学公司开始开发《国学宝典》等系列产品。在这

一过程中，人们对数字化古籍资源的特征、古籍实现数字化的原则、形式等基本问题的

认识有了明显的升华。过去长期制约古籍数字化实现的一些关键性技术经过持续的研究

和试验。取得了明显进展。当前，网上可见的中文古籍数据库有近百个，大型的网络古

籍数据库也是可圈可点。古籍数字化的形式也经历了光盘版、数据库版、网络版三个建

色数据库、专科数据库、地方特色数据库的建设进行转变。在理论研究的方面，古籍数

字化也取得了很多实质性的进步，主要表现在古籍数字化概念已经形成；标准程式和体

系结构的确立：数据库检索系统、辅助性研究支持系统的完善；书目数据库的标准和规

已远远超过海外。

1.2.2 国外研究现状

此后，“American Memory Pllot Project"(美国记忆导航计划)成功地将该馆 21 万件馆

藏予以数字化处理，将所有的图书、绘画、手稿和照片全部转化成数字化图像并通过国

际互联网进行传输，包括部分中文古籍图书资源。同样，英国图书馆于 1993 年发布了

“2000 年 规划目标”(Strategic objectives for the Year2000)，计划到 2000 年实现馆藏文

献数字化并运行于网络，为全球读者尽可能地提供检索查询服务。”日本图书馆中收藏

有大量的中文古籍，在 1998 年， 日本国立国会图书馆制定了《国立国会图书馆数字图

书馆计划》。该计划对中国传统的文化和珍贵的典籍进行了数字化，至 2003 年， 已建立

了拥有 500 余件中文古籍图像的数据库，其中，《水乐大典》、《古文孝经》、《姓解》 、

(天台山记》等都是国内罕见的珍本古籍。目前，国外尚有很多中文古籍数字化项目正