慢性肾小球肾炎作为慢性肾脏病中的主要病种之一,是对人类健康的一大威胁,而中医是调整人体机能的医学,它在慢性肾小球肾炎的诊疗过程中起到了不可替代的作用。确定症状-证候-药物间关联关系是当前中医诊疗过程中的重要步骤,通过采集患者的症状信息,基于临床知识挖掘的出症状-证候-药物关联规则,产生有效的辅助决策结果,辅助医生进行医疗决策,是本文所关注的主要内容。论文通过将无子集检查的闭频繁项集挖掘策略应用在关联规则挖掘流程中,且添加基于非核心药物问题的评价函数,提出了改进的症状-证候-药物规则生成方案,并基于挖掘的规则作为推理规则库,实现了中医诊疗辅助决策功能,通过数据实验对比验证了改进方案和实现功能的有效性和可用性。具体研究工作如下:1.针对症状-证候-药物实际关联关系,引入并改进无子集检查的闭频繁项集挖掘和无冗余规则生成算法,为减小项集规模,采用基于Cherry Item的前项搜索策略产生闭频繁项集;为降低规则冗余,结合症状-证候-药物关系特点定义无冗余规则判定条件进行筛选。通过在CNKI中医文献数据集测试,算法相较非闭频繁项集在项集规模上平均有30.45%的压缩比。2.结合中药中存在较多使用较频繁,但并未起主要作用的药物的特点,引入药物与证候的相关性评价函数,保留相关程度更高的证候-药物规则,通过设定相关性函数阈值,作为测试的非主要作用药物出现频率由14.42%下降至4.63%。3.实现了中医诊疗辅助决策功能,基于同一症状的表述存在不同,为中医四诊症状进行层次编码统一;为提高输入效率,通过基于临床诊疗数据库进行症状的协同过滤推荐,辅助医生进行症状录入;将挖掘的症状-证候-药物规则作为推理规则库,录入的症状进行加权投票与规则匹配,产生推荐结果辅助医生决策,结果的覆盖率在18.87%,绝对准确率为30%。