CN113128592B - 一种用于异构的医疗器械标识解析方法、系统及存储介质 - Google Patents
一种用于异构的医疗器械标识解析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113128592B CN113128592B CN202110425155.XA CN202110425155A CN113128592B CN 113128592 B CN113128592 B CN 113128592B CN 202110425155 A CN202110425155 A CN 202110425155A CN 113128592 B CN113128592 B CN 113128592B
- Authority
- CN
- China
- Prior art keywords
- identification
- heterogeneous
- identifier
- classification
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
Abstract
本发明请求保护一种用于异构的医疗器械标识解析方法、系统及存储介质,包括以下步骤:U1、获取医疗器械的异构标识,并将异构标识信息上传到标识解析系统;标识解析系统由多个区块链对等节点构成,区块链对等节点具有共识机制、信息广播机制和区块投票机制;U2、对异构标识传入过滤器进行信息过滤;U3、对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类;U4、对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配;U5、根据单模式匹配算法,从而得出标识解析结果。本发明实现了对异构的医疗器械异构标识进行统一化的解析并获取标识的信息。
Description
技术领域
本发明属于一种工业互联网技术领域方法,具体为一种异构的医疗器械标识解析方法。
背景技术
2019年7月,国家药监局会同国家卫生健康委联合印发《医疗器械唯一标识系统试点工作方案》,拉开我国医疗器械唯一标识系统建设序幕。医疗器械唯一标识是实现智慧医疗服务体系的重要支撑作用,是医疗器械行业数据汇聚的枢纽,可支撑实现全产业链、全领域的广泛互联,促进信息资源集成和数据共享。
对医疗器械产品进行产品全方位追踪溯源具有重要的重用。通过对医疗器械的标识进行解析,能够将医疗器械在生产、经营、使用三大节点之间商流、物流、资金流、票据流,信息流聚合在一起,能够获取到产品的相应信息,包括从原材料生产、产品销售、产品流通、售后服务等各环节数据实现全方位展示,使得消费者、监管部门、合作供应商能够详细的了解到产品的属性信息,同时也有利于监管部门对产品信息的管理和监管,是打造医疗器械行业生态的重要引擎,以标识解析促进资源共享、产能配套、实现生产到用户的互联互通。
传统的字符解析算法难以在大数据爆发的时代对数据进行有效的检索,需要一种特定的医疗器械标识解析算法来对产品解析,并且能够对无关的数据进行有效过滤,由于目前国家药监局对医疗行业还没有形成一个统一的标识编码要求,因此市面上存在着多种标识编码体系,具体包括有GS1(Globe standard1)、MA(IDcode)、AHM(码上放心)三种主流的编码体系,多种异构的标识在各自内部的标识体系的解析平台上进行,不利于实现统一的解析和数据的共享,数据呈现出一种中心化的局面。
针对现有技术中存在的问题与不足,本发明是一种异构的医疗器械标识解析方法,针对异构标识(GS1、MA、AHM)体系的,提出一种统一的标识解析算法,实现高效快速的标识解析,以标识解析促进资源共享、产能配套、实现生产到用户消费的数据互联互通,实现标识的数据来源可查、去向可追。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种用于异构的医疗器械标识解析方法、系统及存储介质。本发明的技术方案如下:
一种用于异构的医疗器械标识解析方法,其包括以下步骤:
U1、获取医疗器械的异构标识,并将异构标识信息上传到标识解析系统;标识解析系统由多个区块链对等节点构成,区块链对等节点具有共识机制、信息广播机制和区块投票机制;U2、对异构标识传入过滤器进行信息过滤;U3、对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类;U4、对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配;U5、根据单模式匹配算法,从而得出标识解析结果。
进一步的,所述U1中,共识机制用于标识解析系统的去中心化,解决节点间互相信任的问题;信息广播机制用于标识数据注册时,将标识数据在各个联接的区块链节点中进行备份存储,形成数据副本;区块投票机制用于标识信息注册时,区块链上的所有具有投票权的节点对其信息进行投票是否符合规则,以及投票产生下一个区块。
进一步的,所述步骤U1中,将异构标识信息上传到标识解析系统的具体步骤为:
(1)通过有线、无线、RFID在内的数据采集方式,将标识数据采集到计算机标识解析系统接口;
(2)标识解析系统由对等的区块链节点组成,每一个医疗器械生产企业作为联盟链中的成员,每个联盟链合法成员具有投票资格。
进一步的,所述步骤U2中,对异构标识传入过滤器进行信息过滤的具体步骤为:
(1)在标识信息传入解析系统前,使用布谷鸟过滤器对所述标识信息进行检验,布谷鸟过滤器用于判断该标识是否存在,布谷鸟过滤器具有如下作用:如果布谷鸟过滤器计算得到的结果表示该标识存在,则大概率表示该标识存在区块链数据库中,即存在一定的假阳性概率;否则,如果过滤器表示该标识不存在,则区块链数据库一定不存在该信息;
(2)通过布谷鸟过滤器判断,得到标识的判断结果,如果过滤器中标识存在,则进入区块链对等节点查找,如不存在,则直接返回解析结果。
进一步的,所述步骤U3对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类,具体步骤为:
(1)区块链数据库中使用分类算法模型对已注册的标识信息进行三分类,分类即为GS1、MA、AHM三类;
(2)将所述标识输入到分类算法模型中,得到分类预测结果,其中,分类算法模型采用基于文本相似度的异构标识分类轻量级的算法,相似度范围分为[0,1],相似度为0表示两个标识完全不相同,相似度为1,则表示两个标识字符相同,相似度越接近于1则表示越相似;
(3)将分类预测的结果值作为筛选数据的依据,根据分类结果,指定标识解析算法到指定分类存储的区块链节点中获取所有的标识数据,获取标识相似度评估值最大的标识数据。
进一步的,所述U4、对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配,具体步骤为:
使用基于后缀树的单模式标识解析算法,综合多个相似度算法分类得到的结果,最终得到最后的解析结果;
后缀树的构造属于模式匹配的预处理部分,通过后缀树构造将标识库中的标识添加到后缀树中,具体的单模式匹配标识解析算法具体过程如下:
Step1.设构造好的后缀树根节点为STRoot,标识匹配模式为P;
Step2.从根节点STRoot开始遍历所有子节点Ni,i为子节点的数量;
Step3.如果所有子节点的关键字第一个字符与匹配模式串P的第一个字符均不相等,则查找结束,不存在该标识信息;
Step4.如果节点Ni的关键字Ki与匹配模式P的第一个相等,则继续在当前Ni节点继续匹配,若Ki.length≥P.length并且Ki.subString(0,P.length-1)=P,则表示匹配成功,否则表示当前节点的分支不存在模式串P的任何后缀,匹配失败;如果Ki.length≤P.length并且Ki.subString(0,Ki.length-1)=P,则在模式串中获取P的子串P1=P.subString(Ki.length,P.length),然后,子串P1以当前节点Ni为出发点,继续重复以上Step2到Step4步骤,直到P1字符串匹配完毕。
一种用于异构的医疗器械标识解析系统,其包括:
异构标识信息解析模块:用于获取医疗器械的异构标识,并将异构标识信息上传到标识解析系统;标识解析系统由多个区块链对等节点构成,区块链对等节点具有共识机制、信息广播机制和区块投票机制;
信息过滤器:用于对异构标识传入过滤器进行信息过滤;
分类模块:用于对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类;
匹配模块:用于对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配;根据单模式匹配算法,从而得出标识解析结果。
一种存储介质,该存储介质内部存储计算机程序,所述计算机程序被处理器读取时,执行上述任一项步骤的方法。
本发明的优点及有益效果如下:
本发明采用基于区块链技术搭建标识解析系统,利用区块链防纂改、可追溯的特点对标识信息进行存储,同时利用区块链技术搭建分布式对等标识解析节点,通过共识机制完成节点间的数据同步,解析系统具有拜占庭容错能力,降低了单节点故障风险,是实现标识解析高效快速和稳定的重要实现。
(1)本发明使用区块链技术实现标识解析系统的搭建,提高标识数据信息的安全性、可信性,可以有效的防止对标识信息的篡改。可以完整的从医疗器械的生产原材料、生产过程、工艺信息、产品信息、售后信息等全生命周期过程的信息追溯,是实现智慧医疗对医疗器械产品数据全过程追溯的基本要求。
(2)通过对区块链中的标识进行标识类型分类,可以有效的在应对大数据聚合的情况快速缩小数据查找范围,快速解析。通过对标识进行多分类处理,有利于实现标识数据的快速获取,提高生产效率。
(3)采用文本相似度算法进行分类和过滤器结合,通过轻量级的分类算法,可以有效的减少非相同类型标识间的解析匹配次数,有效的过滤掉无效的标识,从而提升匹配速度。
附图说明
图1是本发明提供优选实施例基于区块链的标识解析系统及方法具体实施流程图;
图2为基于区块链的标识解析系统装置示意图;
图3为标识解析方法解析流程图;
图4为标识信息注册流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
下面结合具体实施方式并对照附图对本发明做进一步详细说明。
如图1所示,为本发明具体实施流程图,包括以下步骤:
U1、将所述标识信息输入标识解析接口,并上传到区块链对等解析节点。其中,区块链对等节点具有共识机制、信息广播和区块投票的功能。共识机制用于标识解析系统的去中心化,解决节点间互相信任的问题,信息广播机制主要用于标识数据注册时,将标识数据在各个联接的区块链节点中进行备份存储,形成数据副本,投票机制用于标识信息注册时,需要区块链上的所有具有投票权的节点对其信息进行投票是否符合规则,以及投票产生下一个区块;
U2、将所述标识传入前置布谷鸟过滤器,进行无效的数据过滤,从而提高解析速度,降低非必要匹配计算;
U3、将所述标识传入标识分类模型,得到所述标识的分类结果;
U4、对区块链中已注册标识信息进行数据多分类,分类结果用于计算异构标识之间的字符相似度,以提高异构类型标识解析时的速度,降低非同类标识的匹配次数。计算字符间的相似度用于比较字符间的相似程度,从而提取匹配度最高的作为解析结果;
U5、根据相似度计算结果,综合分类信息,从而得出标识解析结果。
进一步的,所述U1步骤中,对所述标识上传到标识解析系统的具体步骤为:
(3)通过有线、无线、RFID等数据采集方式,将标识数据采集到计算机标识解析系统接口;
(4)标识解析系统由对等的区块链节点组成,每一个企业作为联盟链中的成员,每个联盟链合法成员具有投票资格。
进一步,所述U2步骤中,对所述标识传入布谷鸟滤过器中进行信息过滤的具体步骤为:
(1)在标识信息传入解析系统前,需要使用过滤器对所述标识信息进行检验,布谷鸟过滤器可以判断该标识是否存在,具体的,布谷鸟过滤器具有如下作用:如果过滤器表示该标识存在,则大概率表示该标识存在区块链数据库中,即存在一定的假阳性概率。否则,如果过滤器表示该标识不存在,则区块链数据库一定不存在该信息;
(2)通过以上过滤器判断,得到该标识的判断结果,如果过滤器中标识存在,则进入区块链对等节点查找,如不存在,则直接返回信息。
进一步,所述U3、U4步骤中,对所述标识进行分类的具体步骤为:
(1)区块链数据库中使用分类算法模型对已注册的标识信息进行三分类,分类即为GS1、MA、AHM三类;
(2)将所述标识输入到分类算法模型中,得到分类预测结果,其中,分类算法模型采用基于文本相似度的异构标识分类轻量级的算法,相似度范围分为[0,1],相似度为0表示两个标识完全不相同,相似度为1,则表示两个标识字符相同,相似度越接近于1则表示越相似;
(3)将分类预测的结果值作为筛选数据的依据,根据分类结果,指定标识解析算法到指定分类存储的区块链节点中获取所有的标识数据,获取标识相似度评估值最大的标识数据。
进一步,所述U3步骤中,对所述标识进行相似度计算的具体步骤为:
(1)使用基于后缀树的字符混合相似度算法计算字符间的相似度,弥补了单模式情况下相似度计算的不足,在混合相似度计算中,综合多个相似度计算算法的结果,综合相似度取值,得到最后的解析结果,后缀树的构造属于模式匹配的预处理部分,通过后缀树构造将标识库中的标识添加到后缀树中,具体的单模式匹配标识解析算法具体过程如下:
Step1.设构造好的后缀树根节点为STRoot,标识匹配模式为P;
Step2.从根节点STRoot开始遍历所有子节点Ni,i为子节点的数量;
Step3.如果所有子节点的关键字第一个字符与匹配模式串P的第一个字符均不相等,则查找结束,不存在该标识信息;
Step4.如果节点Ni的关键字Ki与匹配模式P的第一个相等,则继续在当前Ni节点继续匹配,若Ki.length≥P.length并且Ki.subString(0,P.length-1)=P,则表示匹配成功,否则表示当前节点的分支不存在模式串P的任何后缀,匹配失败;如果Ki.length≤P.length并且Ki.subString(0,Ki.length-1)=P,则在模式串中获取P的子串P1=P.subString(Ki.length,P.length),然后,子串P1以当前节点Ni为出发点,继续重复以上Step2到Step4步骤,直到P1字符串匹配完毕。
一种用于异构的医疗器械标识解析系统,其包括:
异构标识信息解析模块:用于获取医疗器械的异构标识,并将异构标识信息上传到标识解析系统;标识解析系统由多个区块链对等节点构成,区块链对等节点具有共识机制、信息广播机制和区块投票机制;
信息过滤器:用于对异构标识传入过滤器进行信息过滤;
分类模块:用于对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类;
匹配模块:用于对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配;根据单模式匹配算法,从而得出标识解析结果。
一种存储介质,该存储介质内部存储计算机程序,所述计算机程序被处理器读取时,执行上述任一项步骤的方法。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (6)
1.一种用于异构的医疗器械标识解析方法,其特征在于,包括以下步骤:
U1、获取医疗器械的异构标识,并将异构标识信息上传到标识解析系统;标识解析系统由多个区块链对等节点构成,区块链对等节点具有共识机制、信息广播机制和区块投票机制;U2、对异构标识传入过滤器进行信息过滤;U3、对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类;U4、对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配;U5、根据单模式匹配算法,从而得出标识解析结果;
所述步骤U3对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类,具体步骤为:
(1)区块链数据库中使用分类算法模型对已注册的标识信息进行三分类,分类即为GS1、MA、AHM三类;
(2)将所述标识输入到分类算法模型中,得到分类预测结果,其中,分类算法模型采用基于文本相似度的异构标识分类轻量级的算法,相似度范围分为[0,1],相似度为0表示两个标识完全不相同,相似度为1,则表示两个标识字符相同,相似度越接近于1则表示越相似;
(3)将分类预测的结果值作为筛选数据的依据,根据分类结果,指定标识解析算法到指定分类存储的区块链节点中获取所有的标识数据,获取标识相似度评估值最大的标识数据;
所述U4、对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配,具体步骤为:
使用基于后缀树的单模式标识解析算法,综合多个相似度算法分类得到的结果,最终得到最后的解析结果;
后缀树的构造属于模式匹配的预处理部分,通过后缀树构造将标识库中的标识添加到后缀树中,具体的单模式匹配标识解析算法具体过程如下:
Step1.设构造好的后缀树根节点为STRoot,标识匹配模式为P;
Step2.从根节点STRoot开始遍历所有子节点Ni,i为子节点的数量;
Step3.如果所有子节点的关键字第一个字符与匹配模式串P的第一个字符均不相等,则查找结束,不存在该标识信息;
Step4.如果节点Ni的关键字Ki与匹配模式P的第一个相等,则继续在当前Ni节点继续匹配,若Ki.length≥P.length并且Ki.subString(0,P.length-1)=P,则表示匹配成功,否则表示当前节点的分支不存在模式串P的任何后缀,匹配失败;如果Ki.length≤P.length并且Ki.subString(0,Ki.length-1)=P,则在模式串中获取P的子串P1=P.subString(Ki.length,P.length),然后,子串P1以当前节点Ni为出发点,继续重复以上Step2到Step4步骤,直到P1字符串匹配完毕。
2.根据权利要求1所述的一种用于异构的医疗器械标识解析方法,其特征在于,所述U1中,共识机制用于标识解析系统的去中心化,解决节点间互相信任的问题;信息广播机制用于标识数据注册时,将标识数据在各个联接的区块链节点中进行备份存储,形成数据副本;区块投票机制用于标识信息注册时,区块链上的所有具有投票权的节点对其信息进行投票是否符合规则,以及投票产生下一个区块。
3.根据权利要求1所述的一种用于异构的医疗器械标识解析方法,其特征在于,所述步骤U1中,将异构标识信息上传到标识解析系统的具体步骤为:
(1)通过有线、无线、RFID在内的数据采集方式,将标识数据采集到计算机标识解析系统接口;
(2)标识解析系统由对等的区块链节点组成,每一个医疗器械生产企业作为联盟链中的成员,每个联盟链合法成员具有投票资格。
4.根据权利要求1所述的一种用于异构的医疗器械标识解析方法,其特征在于,所述步骤U2中,对异构标识传入过滤器进行信息过滤的具体步骤为:
(1)在标识信息传入解析系统前,使用布谷鸟过滤器对所述标识信息进行检验,布谷鸟过滤器用于判断该标识是否存在,布谷鸟过滤器具有如下作用:如果布谷鸟过滤器计算得到的结果表示该标识存在,则大概率表示该标识存在区块链数据库中,即存在一定的假阳性概率;否则,如果过滤器表示该标识不存在,则区块链数据库一定不存在该信息;
(2)通过布谷鸟过滤器判断,得到标识的判断结果,如果过滤器中标识存在,则进入区块链对等节点查找,如不存在,则直接返回解析结果。
5.一种用于异构的医疗器械标识解析系统,其特征在于,包括:
异构标识信息解析模块:用于获取医疗器械的异构标识,并将异构标识信息上传到标识解析系统;标识解析系统由多个区块链对等节点构成,区块链对等节点具有共识机制、信息广播机制和区块投票机制;
信息过滤器:用于对异构标识传入过滤器进行信息过滤;
分类模块:用于对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类;
匹配模块:用于对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配;根据单模式匹配算法,从而得出标识解析结果;
所述分类模块对过滤后的标识采用基于文本相似度的异构标识分类算法,实现对异构标识的分类,具体步骤为:
(1)区块链数据库中使用分类算法模型对已注册的标识信息进行三分类,分类即为GS1、MA、AHM三类;
(2)将所述标识输入到分类算法模型中,得到分类预测结果,其中,分类算法模型采用基于文本相似度的异构标识分类轻量级的算法,相似度范围分为[0,1],相似度为0表示两个标识完全不相同,相似度为1,则表示两个标识字符相同,相似度越接近于1则表示越相似;
(3)将分类预测的结果值作为筛选数据的依据,根据分类结果,指定标识解析算法到指定分类存储的区块链节点中获取所有的标识数据,获取标识相似度评估值最大的标识数据;
所述匹配模块对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配,具体步骤为:
使用基于后缀树的单模式标识解析算法,综合多个相似度算法分类得到的结果,最终得到最后的解析结果;
后缀树的构造属于模式匹配的预处理部分,通过后缀树构造将标识库中的标识添加到后缀树中,具体的单模式匹配标识解析算法具体过程如下:
Step1.设构造好的后缀树根节点为STRoot,标识匹配模式为P;
Step2.从根节点STRoot开始遍历所有子节点Ni,i为子节点的数量;
Step3.如果所有子节点的关键字第一个字符与匹配模式串P的第一个字符均不相等,则查找结束,不存在该标识信息;
Step4.如果节点Ni的关键字Ki与匹配模式P的第一个相等,则继续在当前Ni节点继续匹配,若Ki.length≥P.length并且Ki.subString(0,P.length-1)=P,则表示匹配成功,否则表示当前节点的分支不存在模式串P的任何后缀,匹配失败;如果Ki.length≤P.length并且Ki.subString(0,Ki.length-1)=P,则在模式串中获取P的子串P1=P.subString(Ki.length,P.length),然后,子串P1以当前节点Ni为出发点,继续重复以上Step2到Step4步骤,直到P1字符串匹配完毕。
6.一种存储介质,该存储介质内部存储计算机程序,其特征在于,所述计算机程序被处理器读取时,执行上述权利要求1~4任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110425155.XA CN113128592B (zh) | 2021-04-20 | 2021-04-20 | 一种用于异构的医疗器械标识解析方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110425155.XA CN113128592B (zh) | 2021-04-20 | 2021-04-20 | 一种用于异构的医疗器械标识解析方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128592A CN113128592A (zh) | 2021-07-16 |
CN113128592B true CN113128592B (zh) | 2022-10-18 |
Family
ID=76778027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110425155.XA Active CN113128592B (zh) | 2021-04-20 | 2021-04-20 | 一种用于异构的医疗器械标识解析方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128592B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024019A (zh) * | 2010-11-04 | 2011-04-20 | 曙光信息产业(北京)有限公司 | 一种分布式文件系统中基于后缀树的目录组织方法 |
US8498986B1 (en) * | 2012-01-31 | 2013-07-30 | Business Objects Software Ltd. | Classifying data using machine learning |
CN107015868A (zh) * | 2017-04-11 | 2017-08-04 | 南京大学 | 一种通用后缀树的分布式并行构建方法 |
CN107656981A (zh) * | 2017-09-08 | 2018-02-02 | 中国科学院计算机网络信息中心 | 一种基于标识技术的数据共享和管理方法及系统 |
CN112105416A (zh) * | 2017-12-21 | 2020-12-18 | 纽拉雷斯医疗股份有限公司 | 非侵入性慢性疼痛疗法的设备,系统和方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694670B (zh) * | 2009-10-20 | 2012-07-04 | 北京航空航天大学 | 一种基于公共子串的中文Web文档在线聚类方法 |
CN102063508B (zh) * | 2011-01-10 | 2013-06-05 | 浙江大学 | 基于广义后缀树的中文搜索引擎模糊自动补全方法 |
US9916538B2 (en) * | 2012-09-15 | 2018-03-13 | Z Advanced Computing, Inc. | Method and system for feature detection |
CN110035097A (zh) * | 2018-01-12 | 2019-07-19 | 广州中国科学院计算机网络信息中心 | 区块链与物联网标识相结合的异构标识解析方法及系统 |
CN111898360B (zh) * | 2019-07-26 | 2023-09-26 | 创新先进技术有限公司 | 基于区块链的文本相似性检测方法及装置、电子设备 |
CN112632567A (zh) * | 2019-10-08 | 2021-04-09 | 杭州锘崴信息科技有限公司 | 一种多数据源全流程加密大数据分析方法和系统 |
CN111367965B (zh) * | 2020-03-04 | 2023-05-02 | 腾讯云计算(北京)有限责任公司 | 目标对象确定方法、装置、电子设备及存储介质 |
CN111639485A (zh) * | 2020-04-29 | 2020-09-08 | 中国平安财产保险股份有限公司 | 基于文本相似性的课程推荐方法及相关设备 |
-
2021
- 2021-04-20 CN CN202110425155.XA patent/CN113128592B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024019A (zh) * | 2010-11-04 | 2011-04-20 | 曙光信息产业(北京)有限公司 | 一种分布式文件系统中基于后缀树的目录组织方法 |
US8498986B1 (en) * | 2012-01-31 | 2013-07-30 | Business Objects Software Ltd. | Classifying data using machine learning |
CN107015868A (zh) * | 2017-04-11 | 2017-08-04 | 南京大学 | 一种通用后缀树的分布式并行构建方法 |
CN107656981A (zh) * | 2017-09-08 | 2018-02-02 | 中国科学院计算机网络信息中心 | 一种基于标识技术的数据共享和管理方法及系统 |
CN112105416A (zh) * | 2017-12-21 | 2020-12-18 | 纽拉雷斯医疗股份有限公司 | 非侵入性慢性疼痛疗法的设备,系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113128592A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10671750B2 (en) | System and method for data classification centric sensitive data discovery | |
Fan | Graph pattern matching revised for social network analysis | |
CN111612039B (zh) | 异常用户识别的方法及装置、存储介质、电子设备 | |
CN112148843B (zh) | 文本处理方法、装置、终端设备和存储介质 | |
Chen et al. | Development of foundation models for Internet of Things | |
US8661004B2 (en) | Representing incomplete and uncertain information in graph data | |
CN111262730B (zh) | 一种告警信息的处理方法及装置 | |
He et al. | Pytorch geometric signed directed: A software package on graph neural networks for signed and directed graphs | |
Chen et al. | Maximum Signed $\theta $ θ-Clique Identification in Large Signed Graphs | |
Wu et al. | Blockchain-based Internet of Things: Machine learning tea sensing trusted traceability system | |
Almaguer-Angeles et al. | Choosing machine learning algorithms for anomaly detection in smart building iot scenarios | |
CN115563477A (zh) | 谐波数据识别方法、装置、计算机设备和存储介质 | |
Barhate et al. | Twitter bot detection and their influence in hashtag manipulation | |
US20160321345A1 (en) | Chain understanding in search | |
CN113128592B (zh) | 一种用于异构的医疗器械标识解析方法、系统及存储介质 | |
Manokaran et al. | Smart anomaly detection using data-driven techniques in iot edge: a survey | |
Qin et al. | SIEF: Efficiently Answering Distance Queries for Failure Prone Graphs. | |
Augello et al. | Sensing the web for induction of association rules and their composition through ensemble techniques | |
Jung et al. | Analyzing the generalizability of the network-based topic emergence identification method | |
Zhao et al. | Detecting fake reviews via dynamic multimode network | |
Sayah et al. | Semantic Integration in Big Data: State-of-the-Art. | |
CN111368616B (zh) | 从车的识别方法、装置及设备 | |
Wang et al. | Design of abnormal data analysis and processing system based on RFID supply chain | |
Widad et al. | Quality Anomaly Detection Using Predictive Techniques: An Extensive Big Data Quality Framework for Reliable Data Analysis | |
Tiukhova et al. | Benchmarking conventional outlier detection methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |