[发明专利]基于健康医疗大数据标准库的多源数据处理方法与系统

权利要求书

1.一种基于健康医疗大数据标准库的多源数据处理方法，其特征在于，包括以下步骤：

获得大数据标准库和源数据模式库，所述大数据标准库和源数据模式库均包括数据库-数据表-数据元结构；

计算源数据模式库内数据元与大数据标准库内数据元之间的第一相似度和第一映射关系，其中，所述第一相似度包括数据元类型相似度S₁、数据元名称相似度S₂、数据元描述相似度S₃、数据元值域相似度S₄和数据元单位相似度S₅，基于所述第一相似度中的最大值和最小值进行归一化处理及加权累加得到源数据模式库内数据元与大数据标准库内数据元之间的第二相似度，基于所述第一映射关系得到数据元映射关系库；

计算源数据模式库内数据表与大数据标准库内数据表之间的第三相似度和第二映射关系，其中，所述第三相似度包括数据表名称相似度和数据表中含数据元的相似度，基于所述第三相似度中的数据表名称相似度和数据表中含数据元的相似度加权累加得到源数据模式库内数据表与大数据标准库内数据表之间的第四相似度，基于所述第二映射关系得到数据表映射关系库；

基于第二相似度和第四相似度校正所述数据元映射关系库；

根据校正后的数据元映射关系库得到数据元值域映射关系库。

2.根据权利要求1所述的基于健康医疗大数据标准库的多源数据处理方法，其特征在于，基于所述第一映射关系得到数据元映射关系库，具体包括：

对于源数据模式库内的每一个数据元，通过循环遍历算法，计算该数据元与大数据标准库内的每一个数据元的第一相似度；

将第一相似度最高且超过一定限值的标准库内的数据元作为该源数据模式库内的该数据元的匹配数据元，将每一个源数据模式库内的数据元与其匹配数据元均建立一条第一映射关系，得到数据元映射关系库。

3.根据权利要求2所述的基于健康医疗大数据标准库的多源数据处理方法，其特征在于，基于所述第一相似度中的最大值和最小值进行归一化处理及加权累加得到源数据模式库内数据元与大数据标准库内数据元之间的第二相似度具体包括：

基于第一相似度的最大值和最小值进行归一化处理，按照其重要性分别给予相应的权重，将5个相似度加权累加为所述第二相似度

其中，C₁至C₅表示不同的权重系数。

4.根据权利要求3所述的基于健康医疗大数据标准库的多源数据处理方法，其特征在于，对于数据元值域相似度，如果数据元值域为数组形式，数组内包含该数据元可能取值的上下限，数组形式的数据元值域相似度为两个数据元的值域范围的重叠程度，其计算方法为：

其中，low和high分别代表下限和上限，a和b代表源数据模式库内数据元和标准库内数据元。

5.根据权利要求4所述的基于健康医疗大数据标准库的多源数据处理方法，其特征在于，基于所述第三相似度中的数据表名称相似度和数据表中含数据元的相似度加权累加得到源数据模式库内数据表与大数据标准库内数据表之间的第四相似度具体包括：

采用语义相似性度量算法计算数据表名称相似度；

计算数据表中含数据元的相似度，等于，其中，为涉及表t₁的数据元映射关系数量，为涉及表t₂的数据元映射关系数量，为同时涉及表t₁与表t₂的数据元映射关系数量；

将所述数据表名称相似度和所述数据表中含数据元的相似度加权累加为所述第四相似度。

6.根据权利要求5所述的基于健康医疗大数据标准库的多源数据处理方法，其特征在于，基于第二相似度和第四相似度校正所述数据元映射关系库，包括：通过归一化处理与相似度加权累加获得最终值，再依所述最终值更新所述数据元映射关系库。