基于 Apriori 算法的中药配伍审查系统

基于 Apriori 算法的中药配伍审查系统

项目介绍

本系统是一个基于经典 Apriori 关联规则挖掘算法的中药配伍审查平台，使用真实中医药处方数据集（PTM-TKDE2018），实现药材频繁项集挖掘、关联规则生成与配伍禁忌审查。

核心功能

• 数据导入：一键下载并导入真实 PTM 处方数据集到 SQLite（约 811 味药材、6693 条处方事务）
• Apriori 挖掘：频繁项集与关联规则挖掘，支持度/置信度/提升度（lift）可调
• 配伍审查：十八反/十九畏禁忌检测 + 低支持度警告 + 关联规则建议（含药名别名匹配）
• 批量审查：支持多张处方批量审查
• 药材共现分析：指定药材的共现频次统计
• 数据看板：Chart.js 可视化展示高频药材与挖掘历史
• REST API：14 个 API 端点，完整覆盖业务功能
• 审查日志与挖掘历史记录

数据来源

仅供教学研究，不可替代临床审方。

目录结构

apriori-zhongyao-check/
├── app.py                  # Flask 主应用（路由定义 + 启动入口）
├── config.py               # 应用配置（阈值、数据库路径、分页等）
├── requirements.txt        # Python 依赖
├── mac_run.sh              # macOS 一键启动脚本
├── window_run.bat          # Windows 一键启动脚本
├── 项目说明.md              # 本文件
├── 挖掘手册.md              # Apriori 挖掘参数与数据集说明
│
├── core/                   # 核心算法
│   ├── __init__.py
│   ├── apriori.py          #   Apriori 频繁项集与关联规则挖掘
│   └── reviewer.py         #   配伍审查逻辑（禁忌检测 + 关联建议 + 同义词标注）
│
├── database/               # 数据库层
│   ├── __init__.py
│   ├── db.py               #   SQLite 访问层（连接管理 + 缓存 + 全部 CRUD）
│   └── importer.py         #   数据导入（PTM 文件解析 + 禁忌规则写入）
│
├── routes/                 # 路由层
│   ├── __init__.py
│   └── api.py              #   REST API 蓝图（14 个端点）
│
├── services/               # 服务层
│   ├── __init__.py
│   └── mining.py           #   Apriori 挖掘服务（参数回退 + 结果持久化）
│
├── scripts/                # 运维脚本
│   ├── download_datasets.py#   从 GitHub/HuggingFace 下载数据集
│   ├── setup_all.py        #   一键：下载 → 导入 → 挖掘
│   └── init_and_mine.py    #   初始化数据库 + 执行挖掘
│
├── data/                   # 数据目录
│   ├── forbidden_canonical.json  # 十八反/十九畏禁忌规则
│   ├── tcm.db              # SQLite 数据库（运行时生成）
│   ├── raw/                # 原始数据文件
│   │   ├── herbs_contains.txt    # PTM 药材名索引（811 行）
│   │   ├── pre_herbs.txt         # PTM 处方事务（数值索引，7189 行）
│   │   └── prescriptions.txt     # PTM 原始文本方（98334 行，未接入导入）
│   └── imported/           # 已导入数据备份目录
│
├── templates/              # Jinja2 HTML 模板（12 个页面）
│   ├── base.html           #   基础布局（导航栏 + 页脚）
│   ├── index.html          #   首页（统计概览 + 高频药材图表）
│   ├── dashboard.html      #   数据看板（挖掘历史 + 审查日志）
│   ├── check.html          #   单方配伍审查
│   ├── batch.html          #   批量配伍审查
│   ├── herbs.html          #   药材库列表
│   ├── herb_detail.html    #   药材详情 + 共现分析
│   ├── prescriptions.html  #   方剂库列表
│   ├── forbidden.html      #   十八反/十九畏规则表
│   ├── rules.html          #   Apriori 关联规则 + 频繁项集 + 重新挖掘
│   ├── dataset.html        #   数据集说明
│   └── api_docs.html       #   REST API 文档
│
├── static/
│   └── css/style.css       # 自定义样式
│
└── 运行步骤必看/
    └── window.md            # Windows 运行步骤说明

运行环境

端口与访问

技术架构

浏览器 ←→ Flask (Jinja2 模板 + REST API)
              ↕
         SQLite (tcm.db)
              ↕
    Apriori 算法 + 禁忌审查引擎
              ↕
    PTM-TKDE2018 真实处方数据集

模块职责

页面功能

REST API 列表

算法说明

Apriori 算法

Apriori 是经典的关联规则挖掘算法，核心思想：如果一个项集是频繁的，则它的所有子集也是频繁的（Apriori 性质）。算法流程：

1. 扫描事务数据库，统计每个单项的支持度，过滤低于 min_support 的项
2. 逐层产生候选项集：由 k-频繁项集连接生成 (k+1)-候选项集
3. 剪枝：移除包含非频繁 k-子集的候选项集
4. 计数：再次扫描数据库，统计候选项集支持度
5. 重复直到无法生成更大的频繁项集（受 max_k 限制）
6. 生成规则：对每个频繁项集，计算所有非空子集的置信度和提升度，保留满足 min_confidence 和 min_lift 的规则

关键参数

审查逻辑

配伍审查分三层检测：

1. 禁忌层（硬性）：十八反/十九畏，命中即标记为 forbidden
2. 警告层（软性）：药材组合的支持度低于 min_support，标记为 warning
3. 建议层（参考）：与已输入药材相关的关联规则，标记为 info；同义词对额外标注 ⚠可能是同义词/包含关系

数据流程

PTM 数据集 (GitHub/HuggingFace)
        ↓  scripts/download_datasets.py
data/raw/herbs_contains.txt + pre_herbs.txt
        ↓  database/importer.py
SQLite (tcm.db): herbs + prescriptions + forbidden_rules
        ↓  core/apriori.py + services/mining.py
SQLite: frequent_itemsets + association_rules + apriori_config
        ↓  core/reviewer.py
配伍审查结果 (forbidden / warning / info)
        ↓  routes/api.py + app.py
浏览器 (HTML / JSON)

许可证

本项目仅供学习交流使用，请勿用于商业用途。
源码地址：https://www.aiyuanma.vip/posts/apriori-zhongyao-check