[發明專利]人社數據采集及共享方法、計算機存儲介質及計算機設備

有效

• 申請號: 201910066501.2
• 申請日: 2019-01-24
• 公開（公告）號: CN109739864B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 金以東;李雪莉;王語莫;周大勝;范玲玲
• 申請（專利權）人: 易保互聯醫療信息科技（北京）有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/21
• 代理公司: 北京科石知識產權代理有限公司 11595
• 代理人: 唐玉剛

1.一種人社數據采集及共享方法，其特征在于，該方法包括：

基于同義詞字段向量計算每種常見人社樣本數據的推測概率，其中，常見人社數據庫系統開發廠家的一種常見版本對應一種常見人社樣本數據；

根據所述推測概率建立與所述常見人社樣本數據對應的映射關系表；

獲取待采集人社數據中的標簽，組成第一字段向量；

獲取所有所述常見人社樣本數據中的標簽，組成對應的多個第二字段向量；

根據字段向量匹配算法分別計算所述第一字段向量與每個所述第二字段向量之間的匹配率；

根據所述匹配率選擇對應的所述映射關系表；以及

利用所述映射關系表采集待采集人社數據，并輸出標準化人社數據，

其中，所述匹配率p_i的具體計算公式為：

其中，i為序數；p_i為第一字段向量與第i個第二字段向量之間的匹配率；f_i為第一字段向量與第i個第二字段向量中的字段相同的數量；N_i為第i個第二字段向量的向量長度，

基于同義詞字段向量計算每種常見人社樣本數據的推測概率的步驟，具體包括：

根據所述同義詞字段向量計算每種所述常見人社樣本數據的每項標簽的字段推測概率；

計算每種所述常見人社樣本數據的每項數據內容的內容推測概率，其中，所述數據內容與所述標簽之間存在對應關系；以及

根據所述字段推測概率和所述內容推測概率計算每個所述常見人社樣本數據對應的所述推測概率。

2.根據權利要求1所述的人社數據采集及共享方法，其特征在于，基于同義詞字段向量計算每個常見人社樣本數據的推測概率的步驟之前，該方法還包括：

收集常見人社數據庫系統開發廠家的每種常見版本對應的多個所述常見人社樣本數據；

根據業務需求確定所述標準化人社數據的標準輸出字段；以及

為每個所述標準輸出字段構建同義詞字段向量。

3.根據權利要求1所述的人社數據采集及共享方法，其特征在于，計算每個所述常見人社樣本數據的每項數據內容的內容推測概率的步驟，具體包括：

所述數據內容為數字時，利用正則表達式計算每種所述常見人社樣本數據的每項數據內容的內容推測概率；

所述數據內容為字符時，利用長度分析算法計算每種所述常見人社樣本數據的每項數據內容的內容推測概率。

4.根據權利要求3所述的人社數據采集及共享方法，其特征在于，所述數據內容為字符時，所述內容推測概率B的具體計算公式為：

其中，k為閾值；e＝|μ_i-μ|+|s_i-s|；i為數據內容的項序；μ_i為一種常見人社樣本數據的第i項數據內容的平均長度；μ為標簽對應的標準數據內容的平均長度；s_i為一種常見人社樣本數據的第i項數據內容的長度標準差；s為標簽對應的標準數據內容的長度標準差；||為求取絕對值符號。

5.根據權利要求1所述的人社數據采集及共享方法，其特征在于，利用所述映射關系表采集待采集人社數據的步驟之前，該方法還包括：

根據清洗規則清洗所述待采集人社數據中標簽對應的錯誤數據內容。

6.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現上述權利要求1～5任一所述方法的步驟。

7.一種計算機設備，其特征在于，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述權利要求1～5任一所述方法的步驟。