基于字符余弦相似度的地址数据治理方法

• 作者: 夏慧敏 张帆 张治国 李庆丰 梁会营 邓慧
• 来源期刊: 中国医学装备
• 学科: 医学
• 关键词: 地址 数据治理 余弦相似度 弹性距离 信息增益
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 数字医学
• 页码范围: 94-97
• 页数: 4页
• 分类号: R-058
• 字数: 2491字
• 语种: 中文
• DOI: 10.3969/J.ISSN.1672-8270.2019.10.026

摘要

目的:探讨基于字符余弦相似度的地址数据治理方法,为医院病案室、传染病报病及科研统计分析提供患者的地址清洗数据.方法:使用字符的余弦相似度评估患者地址与标准数据集的相似条目,选取相似对最高的前10条地址后,通过弹性距离评估将匹配最好的第1个地址作为映射地址,若无合适地址则以"不详"进行地址标记,供患者下次就诊时更正.结果:经过人工复核,每200名患者手工填写的住址以95％置信区间(95％CI)可以正确修复170～186个地址;修复错误的地址多为患者填写的"某街道",而标准数据集中尚无该街道名称,对其关键词进行过滤可以进一步提高地址信息修复水平.经由热力图对比,地址修复后能够提供更清晰集中的位置信息.结论:通过采用基于字符余弦相似度的地址数据治理方法,拓展一种修复基础数据和进行数据映射的有效方法,可为医院相关部门提供准确的患者基础信息数据资料.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏慧敏	广州市妇女儿童医疗中心数据中心	44	213	7.0	12.0
2	李庆丰	广州市妇女儿童医疗中心数据中心	4	24	2.0	4.0
3	邓慧	广州市妇女儿童医疗中心数据中心	12	28	2.0	4.0
4	梁会营	广州市妇女儿童医疗中心数据中心	3	2	1.0	1.0
5	张帆	广州市妇女儿童医疗中心数据中心	2	0	0.0	0.0
6	张治国		1	0	0.0	0.0