异构医疗数据库语义集成迭代算法

摘要

语义集成可以消除异构数据库中的数据冲突和异常，实现同一行业不同企业和机构之间的异构数据集成。异构数据的语义集成对于国家进行宏观调控、建立公共数据平台具有十分重要的作用。 采用语义一致性检测的迭代流程，在同一迭代流程中，通过结合属性和元组语义的检测提高语义集成的精度。采用聚类方法分析属性之间的语义一致性，根据直接从属性的数据值中提取的特征，分别采用K-means聚类算法、模糊聚类算法和改进的chameleon凝聚层次聚类算法，得到三种属性的语义匹配结果进行投票，以得票数不低于2的属性对作为语义一致属性对，用作迭代流程的初始属性语义匹配结果。在聚类分析中，属性特征只从属性的数据值中提取；在改进的chameleon算法中，以Normalized Cut准则取代原算法的Min-cut准则。 在迭代过程中，首先依据属性语义匹配的结果，采用分类方法检测元组之间的语义一致性。手工挑选数量相同的匹配元组对和不匹配元组对，作为训练样本数据集训练logistic回归分类器，并对分类结果进行分析和评价；然后对分类所得匹配元组对做相关分析和线性回归分析，通过皮尔逊相关系数和线性回归拟合参数发现新的语义一致属性对，更新属性匹配结果并用于下一步迭代。 使用三峡医院和南漳医院的药品表作为实验数据，药品表的属性个数分别为20和27个，从中各挑选603个匹配元组对和不匹配元组对，用作研究中的实验数据。实验结果表明，在语义集成迭代流程中，随着迭代次数的增加，能够不断发现新的匹配属性和匹配元组，且识别出的属性对和元组对具有很高的正确率。