Page 111 - 《中国药房》2024年15期

Function LevR（a As String，b As String） As Double
Dim m，n As Integer
m ＝ Len（a） ：n ＝ Len（b）
If m ＝ 0 or n ＝ 0 Then Return 0
Dim L（m，n），i，j As Integer
For i ＝ 1 To m ：L（i，0） ＝ i ：Next i
For j ＝ 1 To n ：L（0，j） ＝ j ：Next j
Dim Insert，Delete，Replace As Integer
For i ＝ 1 To m
For j ＝ 1 To n
Insert ＝ L（i，j－1） + 1
Delete ＝ L（i－1，j） + 1
If Mid（a，i，1） ＝ Mid（b，j，1） Then
Replace ＝ L（i－1，j－1）
Else
Replace ＝ L（i－1，j－1） + 1
End If
L（i，j） ＝ Math.Min（Math.Min（Insert，Delete），Replace） 的性质可知，g( ) ＞g( ) ＞g( ) 1 ，表明以 δ 作为相似性
Next j
Next i
Return 1－L（m，n）/Math.Max（m，n）
End Function
图1 基于LD的药品名称相似性算法代码
从 A 中识别出易混淆药品组的方法如下：首先，选
出A中第一个药品名称A 。然后，将A 与数组中余下的
1 1
所有药品名称进行相似度计算。如果计算得到的 R 不
小于设定的相似性阈值 δ，则把当前药品名称标记为与
A 相似。遍历完所有药品名称后，如果被标记的药品
1
数＞1，则把 A 与所有标记的药品归为 1 个易混淆药品
1
组。上述过程仅识别出了1组易混淆药品，为筛选出更
多易混淆药品组，需要对 A 进行放缩，即将 A 和所有被
1
标记的药品名（若存在）从A中删除。然后对放缩后的A
重复上述识别步骤，即可得到第2组易混淆药品。以此
往复，直到A中仅包含0个或1个药品名称为止，即可筛
选出所有易混淆药品组。
1.2.4 相似性阈值的筛选
相似性阈值δ是易混淆药品目录自动生成算法的重
要参数。若设定的 δ值偏低，可能会导致易混淆药品组
的质量不尽如人意，进而影响算法的准确性和实用性；
反之，若δ的设定值偏高，则有可能造成某些重要的易混
险控制方面的作用。因此，合理地设定 δ值对于确保算 (
淆的药品被遗漏，从而削弱算法在易混淆药品管理和风
法的有效性和可靠性至关重要。
相似性阈值δ与易混淆药品组数之间存在着紧密关
联。为明确该关系，本课题组定义了一个能将相似性阈
值δ映射到易混淆药品组数的函数g。通过观察这个函
数的图形，可以从整体上把握相似性阈值 δ对易混淆药
品组数的影响。从实际操作中可以观察到，随着 δ的逐
渐增大，易混淆药品组数g(δ)的变化趋势表现出先上升
中国药房 2024年第35卷第15期
后下降的规律，且图形整体呈现出类似钟形曲线的
特征。
具有钟形曲线特征的常见函数是正态分布的概率
密度函数，该函数的图像具有对称性：从峰值点开始，曲
线两侧都呈现下降趋势，且在拐点处的下降速率最快。
将该性质类比到函数g上，意味着存在某个特定的相似
性阈值δ ，使得易混淆药品组数最大。当相似性阈值大
c
于δ 时，易混淆药品组数将逐渐减少，且在函数g的右侧
c
拐点处，记为 δ ,g( δ k)) ，具有最大的下降速率。
( k
在遴选最佳相似性阈值时， δ 和 δ 均为可行的选
c
k
项，但使用 δ 更为合理。原因有如下 2 点：（1）由函数 g
k
δ
δ
c
k
k
阈值时，易混淆药品组数不会出现过多或过少；（2）当相
似性阈值超过 δ 后，易混淆药品组数减少的速度放缓，
k
表明各组内的药品名称都具有高度的相似性。因此本
研究使用δ 作为最佳的相似性阈值。
k
实践中，函数g的图形并非为一条光滑曲线，这不利
于确定 δ 。但可以寻找一条拟合曲线来代替函数 g，从
k
而将寻找函数g右侧拐点的问题转换为寻求拟合曲线右
侧拐点。由于函数g与正态分布的概率密度函数具有相
似的图形特征，故设拟合曲线的公式为：
- ( δ - μ ) 2
f (δ) = αe 2σ 2 ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅（3）
其中 α、 μ 和 σ 均为待定的参数。公式（3）中的自变
量δ位于指数中，因此需对该公式进行对数化处理：
) 2
h(δ) = ln( f (δ)) = ln(α) - ( δ - μ ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅（4）
2σ 2
可以看到，公式（4）是关于 δ 的二次函数，故需要进
行二阶多项式拟合。进行参数拟合的过程如下：首先，
在区间[0.1,0.9]内，以 0.01 为步长等间隔地取值，得到
相似性阈值δ的81个样本，即δ =0.10， δ =0.11， ， δ =
81
2
1
0.90。随后计算各相似性阈值所对应的易混淆药品组
( 1 ( 1)))
数，并取自然对数，得到 1 组样本数据 δ , ln g( δ ，
(
δ , ln g( δ 2))) ， ，δ , ln g( δ 81))) 。 利 用 该 组 数
81 (
2 (
据，在 Matlab 中使用 polyfit 函数进行二阶多项式拟合，
即可确定参数 α、 μ 和 σ。上述相似性阈值 δ 的样本取值
区间未设定为[0,1]的原因在于，靠近0和1的易混淆药
品组数会对参数拟合的结果产生不利影响。
函数 f 的定义与正态分布的概率密度函数非常相
似，仅存在常数项的差异。这点差异不会影响右侧拐点
的横坐标位置。因此，根据后者的性质，可推断出函数f
China Pharmacy 2024 Vol. 35 No. 15 · 1901 ·