[发明专利]基于多源数据的唯一身份标识的确定方法、装置、介质及设备

说明书

本发明公开了基于多源数据的唯一身份标识的确定方法、装置、介质及设备，方法包括：对多组原始数据进行合并，获得多维度合并数据；多维度合并数据包含多个待关联对象，待关联对象包含与多个预设关联维度对应的关联维度特征；对多个待关联对象进行标识处理，获得与每一个待关联对象对应的第一标识；根据预设关联维度对第一标识进行哈希映射，获得与预设关联维度对应的哈希映射集合；基于哈希映射集合和第一标识进行数据分桶,获得分桶数据集；根据关联维度特征对分桶数据集进行映射，生成与分桶数据集对应的身份标识；应用上述方法可以在多数据来源和多数据维度的情况下，计算出针对待关联对象的唯一标识。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于多源数据的唯一身份标识的确定方法、装置、介质及设备。

背景技术

人员索引是指通过唯一的人员标识将多个与人员信息相关的数据系统有效地关联在一起。如患者主索引(Enterprise Master Patient Index，EMPI)是患者基本信息检索目录,它的主要用途是在一个复杂的医疗体系中，通过唯一的患者标识将多个医疗系统有效地关联在一起。

但随着全球化进程，人员的流动性增加，例如在新型冠状病毒等传染病的情况下，需要关联的数据已经不仅仅是医疗数据，更需要扩展到如出入境数据、人口基本信息数据、人口普查数据、教育系统数据、多医院的医疗系统数据、出生系统数据、护照数据等与个人相关的多种来源的数据。

多种来源的数据中每个来源数据均可能存在多维度的可提供计算出人唯一标识的特征数据，且特征数据还具有比较稀疏的特点。要从这多源多稀疏特征的数据中准确地确定出对应每一个人的唯一标识是个非常大的挑战。

发明内容

本发明实施例提供了一种基于多源数据的唯一身份标识的确定方法、装置、介质及设备，能够准确地确定出对应每一个人的唯一标识。

本发明实施例第一方面提供一种基于多源数据的唯一身份标识的确定方法，所述方法包括：对多组原始数据进行合并，获得多维度合并数据；所述多维度合并数据包含多个待关联对象，所述待关联对象包含与多个预设关联维度对应的关联维度特征；对所述多个待关联对象进行标识处理，获得与每一个待关联对象对应的第一标识；根据预设关联维度对所述第一标识进行哈希映射，获得与所述预设关联维度对应的哈希映射集合；基于所述哈希映射集合和所述第一标识进行数据分桶,获得分桶数据集；根据所述关联维度特征对所述分桶数据集进行映射，生成与所述分桶数据集对应的身份标识。

在一可实施方式中，所述对多组原始数据进行合并，获得多维度合并数据，包括：获得来源不同的所述多组原始数据，所述原始数据包含至少一个与预设关联维度对应的关联维度特征；根据预设候选维度对所述多组原始数据进行结构化处理，获得多组候选维度数据，所述候选维度数据包括多个待关联对象，所述待关联对象包含与多个预设候选维度对应的候选维度特征；不同待关联对象之间的身份相同或不同；根据预设关联维度对所述待关联对象进行数据提取，获得多组关联维度数据；对所述多组关联维度数据进行合并，获得多维度合并数据。

在一可实施方式中，根据预设关联维度对所述第一标识进行哈希映射，获得与所述预设关联维度对应的哈希映射集合，包括：对同一预设关联维度的关联维度特征进行比对，获得比对为关联维度特征相同的第一标识；对所述关联维度特征相同的第一标识进行哈希映射，获得对应预设关联维度的哈希映射集；所述哈希映射集包含有与表征相同含义的关联维度特征对应的第一标识；将同一预设关联维度的多个哈希映射集确定为哈希映射集合。

在一可实施方式中，所述基于所述哈希映射集合和所述第一标识进行数据分桶,获得分桶数据集，包括：根据预设顺序遍历与所述第一标识对应的多个关联维度特征，获得至少一个关联维度特征相同的第一标识，将所述至少一个关联维度特征相同的第一标识确定为待合并标识集；根据所述待合并标识集遍历所述哈希映射集合，获得与待合并标识集对应的至少一个关联维度特征相同的哈希映射集，将所述与待合并标识集对应的至少一个关联维度特征相同的哈希映射集确定为待合并哈希集；合并所述待合并标识集和待合并哈希集，获得分桶数据集。