中医药学是通过对在防病、治病等方面经验的积累、继承、总结和创新中形成的一套完整而独特的理论体系。中医药医生开方遵循三个基本步骤:首先进行诊断,通过望、闻、问、切四个方面来观察和了解病情的变化;然后进行辨证,将“四诊”所获得的客观资料,应用中医的理论进行分析归纳得出明确的辨证;最后进行开方。中医的治疗法则是劳动人民在长期医疗实践中逐步总结出来的概括性理论,它和诊法、辨证等密切联系构成了一整套理、法、方、药的复杂理论体系。这不仅使得疾病诊断、开方的准确率严重依赖于医生的诊断经验,而且诊断疾病、开方的花费也很高昂。本论文主要工作是提出了一些适合方剂选取的数据挖掘算法,并通过这些算法来实现中医处方辅助推荐系统。该系统可以辅助医务人员对病人的病情进行配药,最大限度地节省了医疗人力。本论文的主要内容包含:1)针对中医药方剂数据“半结构化”的特点,研究了方剂数据的预处理问题。利用构建词表的方法对方剂数据进行了规范化,为以后工作的展开提供了必要条件。2)进行标准功效的相似性度量。本论文基于症状与功效的关联关系,利用SimRank算法来求取标准功效间的相似度。3)利用“差值”反馈进行神经网络构建。首先利用衍生的LDA模型来对标准功效进行规约。然后根据方剂数据本身的结构特点,即方剂症状与方剂功效的“等价”性,构建两个神经网络,分别以症状与功效作为输入,将两个输出的”差值“作为训练的目标,以此训练出方剂差值神经网络的模型,最后通过遍历方剂集合的方法来开方。4)设计并实现中医处方辅助推荐系统。该系统利用MVC模式将系统的显示界面与处方辅助推荐过程分离开来。在医生通过问诊的方式确定病人具体症状后,本系统根据这些症状进行开方。经实际测试,本系统能够便捷并准确地实现处方的辅助推荐。