中医药数据是中医学的主要知识资源,蕴藏着丰富的临床经验知识。中医药数据作为以文本形式保存的中医知识信息载体,如何利用机器学习的方法对其进行研究,可以大量节省人力成本,同时提高中医药的客观性、更好地推广中医相关知识。当前阶段,中医医生开方主要通过望、闻、问、切四个方面来观察和了解病人的病情,然后据此辩证得到证型,最后进行开方。这使得疾病诊断、方剂推荐严重依赖于医生的诊断经验。为了降低医生诊断时可能出现的失误,利用数据挖掘技术对中医药方剂数据进行去粗取精、去伪存真可以极大的促进中医药现代化的发展。本论文的主要工作如下:(1)针对中医方剂数据和药物数据中存在缺失值、重名和术语不规范的问题进行了数据预处理,利用构建中医同义词词集的方法对方剂数据的主治信息进行了规范化,为开展中医方剂推荐方法研究提供了必要条件。(2)针对中医对症状的描述出现的多词一义的问题,本文提出了基于BERT的中医症状规范化方法,通过引入融合了中医知识的BERT模型,能得到症状一个很好的语义表示,实验结果表明所提出方法的优越性。(3)针对有监督证型的标注所耗费的人力和时间成本的问题,本文提出了基于互信息聚类的方剂推荐算法,通过互信息衡量症状之间的关系,然后把症状聚类的结果和搜索算法相结合,达到推荐筛选的效果。本实验通过对模型输入不同的症状组合,并对推荐的方剂进行分析,结果表明了所提出方法的可行性。