异构医疗数据库语义集成迭代算法

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究概况
• 1.2.1 语义集成的应用
• 1.2.2 语义集成的难点
• 1.2.3 属性匹配
• 1.2.4 元组匹配
• 1.2.5 语义集成的未来研究方向
• 1.3 本文主要研究工作
• 1.4 本文的内容组织
• 2 检测语义一致性的迭代流程
• 2.1 语义集成的迭代流程
• 2.2 属性语义一致性检测方法
• 2.3 数据来源
• 2.4 本章小结
• 3 结合属性和元组信息集成异构数据源
• 3.1 聚类方法检测属性语义一致性
• 3.1.1 特征提取
• 3.1.2 K-means 聚类算法
• 3.1.3 模糊聚类算法FCM
• 3.1.4 原始Chameleon 凝聚层次聚类算法
• 3.1.5 改进的Chameleon 凝聚层次聚类算法
• 3.1.6 投票法综合聚类结果
• 3.2 分类方法检测元组语义一致性
• 3.2.1 logistic 回归模型
• 3.2.2 分类实验结果分析与评价
• 3.3 统计方法再评估属性语义一致性
• 3.3.1 两种属性类型的统计分析方法
• 3.3.2 统计实验结果分析
• 3.4 本章小结
• 4 实验结果及分析
• 4.1 实验结果
• 4.2 综合结果分析
• 4.3 本章小结
• 5 总结与展望
• 5.1 全文总结
• 5.2 研究工作展望
• 致谢
• 参考文献