基于语义分析的中药物料智能分类模型研究

课题组前期已建立了基于粉体物理性质的中药物料分类方法，但需涉及中药饮片的前处理、粉体制备、物理性质参数测定等较为繁琐的实验步骤。该研究采用语义分析的分词逻辑，选择已测定中药粉体物理性质并在聚类分析中分类界限清晰的36个模型中药的性状、显微鉴别特征为基础数据，建立同义词库及本地标准化语义分词数据库。运用关联规则及设定的纳排标准，筛选粉性料、纤维性料、糖性料、油性料、脆性料共计55个关键词，计算关键词的权重值，并建立关键词匹配得分的算法及单一或多元物料分类的计算规则，从而构建中药物料分类的语义分析预测模型。在36个模型中药的语义分类结果中，除太子参为多元物料外，其余35个中药的语义分类结果与基于中药粉体物理性质的聚类分析结果一致，一致率为97.22%。在模型验证中，除百部与炙益智仁外，其他中药的语义分类预测结果与粉体物理性质聚类结果一致，一致率为83.33%。表明基于语义分析的中药物料分类的方法具有可行性，为构建临方制剂工艺的智能决策技术奠定基础。