1、知識發(fā)現(xiàn)可靠性是知識發(fā)現(xiàn)領域中一個重要但容易忽視的主題。隨著知識發(fā)現(xiàn)和數(shù)據(jù)挖掘技術的廣泛應用，有一個問題逐漸引起人們的關注，即在什么條件下知識發(fā)現(xiàn)是可靠的，或者說在什么條件下所發(fā)現(xiàn)的知識是可靠的。近年來在知識發(fā)現(xiàn)可靠性方面的研究，大多關注于某一具體數(shù)據(jù)挖掘模型下的可靠性問題。而對于不同模型問存在的可靠性共同主題，比如數(shù)據(jù)質(zhì)量、評估方法等等，迄今為止仍沒有一項系統(tǒng)性研究。針對知識發(fā)現(xiàn)可靠性的共同主題，進行分階段、系統(tǒng)化的總結(jié)和梳理，已成為

2、知識發(fā)現(xiàn)可靠性研究的一大迫切需要。
　　 在知識發(fā)現(xiàn)技術所應用的各個領域，有一個領域特別需要知識發(fā)現(xiàn)可靠性的研究，即中醫(yī)藥領域。作為中華民族重要文化財富和學術成就的中醫(yī)藥，近年來面臨著生存和發(fā)展的挑戰(zhàn)。如何把這一挑戰(zhàn)化為中醫(yī)藥發(fā)展的契機，利用知識發(fā)現(xiàn)技術促進中醫(yī)藥的跨越式發(fā)展，已成為中醫(yī)藥研究人員的一項重要課題。近年來的中醫(yī)藥信息化工作已為知識發(fā)現(xiàn)創(chuàng)造了有利條件。然而，由于中醫(yī)藥數(shù)據(jù)自然語言性強，數(shù)據(jù)表達涵義豐富，表達方式多樣化

3、，而且在數(shù)據(jù)質(zhì)量上還面臨較大問題，在具備這些特征的數(shù)據(jù)上所進行的知識發(fā)現(xiàn)，相比其他領域來講，就更加需要關注和研究知識發(fā)現(xiàn)可靠性問題。
　　 在這一背景下，本文圍繞中醫(yī)藥知識發(fā)現(xiàn)可靠性這一主題，從知識發(fā)現(xiàn)整個生命周期的各個階段對可靠性因素進行探討，提出了知識發(fā)現(xiàn)可靠性框架PBRF-KD。針對中醫(yī)藥知識發(fā)現(xiàn)中比較突出的可靠性問題，重點探討中醫(yī)藥知識發(fā)現(xiàn)中的結(jié)構(gòu)性因素、表達性因素和信任性因素三大問題。本文的研究工作與貢獻包括如下幾個方

4、面：
　　 1)提出了基于過程的知識發(fā)現(xiàn)可靠性框架
　　 針對現(xiàn)有知識發(fā)現(xiàn)可靠性研究模型相關的特點，提出了一個與模型/應用無關的知識發(fā)現(xiàn)可靠性框架PBRF-KD，該框架采用基于過程的思路對知識發(fā)現(xiàn)整個流程中的各個階段和可靠性因素進行了梳理，歸納出了7種可靠性相關因素。該框架為知識發(fā)現(xiàn)項目設立了整套與可靠性相關的藍本。
　　 2)提出了結(jié)構(gòu)相關的可靠性因素的優(yōu)化方法
　　 分析了中醫(yī)藥知識發(fā)現(xiàn)中與結(jié)構(gòu)相關的

5、可靠性因素，主要指數(shù)據(jù)完整性。針對文本型字段的完整性問題，提出了基于順序半相關度量的中醫(yī)藥文本缺失字段填補方法。針對中醫(yī)藥文獻類別標簽缺失的問題，提出了基于M-Similarity的多標簽文本分類方法。
　　 3)提出了表達相關的可靠性因素的優(yōu)化方法
　　 分析了中醫(yī)藥知識發(fā)現(xiàn)中與表達相關的可靠性因素，包括表達粒度和表達一致性。針對表達粒度，提出了基于規(guī)則的表達粒度細分方法。針對表達一致性，提出了基于本體的表達一致化方法

6、。該套方法有助于提高中醫(yī)藥與表達相關的可靠性。
　　 4)提出了信任相關的可靠性因素的優(yōu)化方法
　　 分析了中醫(yī)藥知識發(fā)現(xiàn)中與信任相關的可靠性因素，主要指數(shù)據(jù)可信度。針對中醫(yī)藥特有的數(shù)據(jù)可信度問題，提出了基于歷史文獻認可度的數(shù)據(jù)可信度衡量方法，和基于互聯(lián)網(wǎng)知名度的數(shù)據(jù)可信度衡量方法。此外，基于這兩種可信度衡量方法，提出了基于數(shù)據(jù)可信度的加權頻繁模式挖掘算法，并在消渴方和脾胃方數(shù)據(jù)集上獲得了有意義的結(jié)果。該套方法有助于提高