[发明专利]一种字母与数字组合编码的检验位方法

说明书

技术领域

本发明涉及检验位编码技术领域，具体地说，是一种字母与数字组合编码的检验位方法。

背景技术

医学术语的编码化，对于规范临床数据采集，数据检索分析利用，提升信息系统处理的效率与准确性，提升医疗质量以及研究的深度，均具有重要意义。

J Verhoeff基于对手工录入数字编码时发生的12000个错误的研究，将人们常犯的错误进行总结，共分为7类。⑴单个错误，a变成b，在所有错误中约占60％～95％。⑵遗漏或增加1个数字，占所有错误的10％～20％。⑶换位错误，ab变成ba，占所有错误的10％～20％。⑷双子错误，如aa变成bb，占所有错误的0.5％～1.5％。⑸跳跃转换，如acb变成bca，占所有错误的0.5％～1.5％。⑹跳跃双子错误，如aca变成bcb，发生率＜1％。⑺发音错误，如1a与a0，英文的13与30、14与40、15与50等，发生率约0.5％。可以看出，人们在处理数字错误时，常犯的错误以一位为主。因此，考虑增加校验位，针对一位错误，设计相应的算法，成为检验位方法研究的主要内容。

常用的编码，有纯数字的，也有字母与数字组合的。而在日常应用中，以字母与数字组合的编码更为常见。常见的是以26个英文大写字母、10个阿拉伯数字为基本元素，总共36个字符，进行相应的编码。一般的编码，没有增加相应的校验位，无法判断出编码本身的错误。

因此，设计出一种基于字母与数字组合的医学术语编码体系，具有十分重要的现实意义。

在日常应用中，通过相应的算法，给编码增加校验位，以判断编码本身是否有错误。常见检验位方法有以下几种：

1按位累加取模

常见的模(除数)为7、9、11、13等质数，因其每一位余数均与该模互质。按位累加取模，赋予校验位。在验证时，按同样算法进行比较，相等说明编码正确，不等则编码有误。优点是算法简单，可以校验出大部分一位错误。缺点是累加取模，无位置信息，不能判断出相邻换位错误，如ab变成ba。当模的数字＜10时，会出现相关重复错误情况，导致不能检测出所有单个错误，如取模为7的7与0、8与1、9与2，取模为9的9与0等。

2多项式乘法检验位方法

原理为K元组的点乘和取余，即(a1，a2……ak)·(w1，w2……wk)mod m＝(a1w1+a2w2+……akwk)modm＝0。常见的模m为10或11。

2.1取模m为10UPC编码(universal productcode)是最早大规模应用的条码，为长度固定、连续性的条码，主要在美国和加拿大使用，由于其应用范围广泛，故又被称为万用条码。UPC编码仅可用来表示数字，故其字码集为数字0～9。在UPC编码中，a1、a2……a12满足以下等式：(a1，a2,……,a12)·(3，1，3，1……3，1)mod 10＝0，a12为校验位值。

优点是可以检测出所有的单个错误，也可以检测出ab变成ba这种相邻位置换位错误。缺点是不能检测出abc变成cba这种错误，也不能检测出|a-b|＝5的交换错误。

2.2取模m为11模为11时，余数为0，1，2，3，4，5，6，7，8，9，10。当余数为10时，为了不增加位数，往往用X来代替。如国际图书编码ISBN号0-669-19493，校验位X，代表10，校验位a10满足(a1，a2,……,a9，a10)·(10，9，8，7，6，5，4，3，2，1)mod 11＝0。优点是可以检测出所有一位错误及相邻位置换位错误。缺点是增加了字母X，使编码不再是纯数字，在信息系统定义数据类型方面存在不便。由于在计算机表示中，数字的表示与字母的表示存在着差别，将两者合在一起来表示某一特定的编码，无疑增加了算法处理的复杂性，增加了系统设计及改造的成本，增加了系统处理的难度以及社会使用成本。

综上所述，需要一种字母与数字组合编码的检验位方法。基于D18二面体群算法，给字母与数字组合的编码增加一位校验位，实现中医术语字母与数字组合的编码，该编码可以校验出所有的一位错误，以及所有相邻两位交换错误，且被猜中的比率，与纯数字相比，从1/10降为1/36，大大增加了系统编码本身的安全性，使得基于编码的中医术语可应用于各个信息系统之中，以及系统与系统之间的数据交换之中，从而提高数据传输的准确性，最终提高数据的质量。而关于这种检验位算法目前还未见报道。

发明内容