記錄連接
記錄連接，英文：record linkage，係指由數據集嗰度，搵出有邊啲紀錄係跨越唔同數據來源，指緊同一件實體嘅。假如研究者要將唔同、但代表同一批物體嘅數據集整合埋一齊，就要做記錄連接。呢啲數據集入便嘅實體，未必擁有同一個通用標示碼，記錄連接就唔係咁簡單，而數據來源之所以冇統一嘅標示碼，可能係因為各數據集嘅格式設計、儲存位置，或者管理員嘅個人風格同習慣唔同。經過記錄連接同整合處理嘅數據集，可以稱為經過咗交叉連接[註 1]數據集[1][2]。
基本概念
[編輯]舉例說明，想像依家衞生署想做公共健康研究，剖析香港嘅高血壓患者嘅生活質素，可能要用到幾個數據集，有啲數據集嚟自政府數據，有啲嚟自醫院等。以下兩個數據集。
- 數據集 A，嚟自政府社福資料庫：
紀錄編號 姓名 身分證號碼 住址 ... SOC-001 陳大明 A123xxx(7) 中環某某大廈 ... SOC-002 張美麗 B987xxx(3) 旺角某某大廈 ... - 數據集 B，嚟自某醫院嘅門診紀錄：
病歷編號 患者英文姓名 身分證冧把 聯絡地址 臨床診斷 ... HA-8821 Chan Tai Ming A123xxx(7) 中環某某大廈 二型糖尿病 ... HA-9034 Cheung Mei Lai B987xxx(3) 漏咗，冇紀錄 高血壓 ...
做記錄連接，旨在要將呢啲紀錄連結埋一齊，最後形成一個大嘅數據集，紀錄晒每個人嘅姓名、臨床診斷等嘅資訊，便於研究者探究想研究嘅問題。喺最簡單嗰種情況下，研究者可以編程，叫電腦自動噉按照身分證號碼將啲數據連結埋一齊。不過喺現實應用上，記錄連接往往冇咁簡單。
可比程度
[編輯]要使用嚟自唔同來源嘅數據，可能會有可比度[註 2]嘅問題，例如兩個數據來源 A 同 B，兩者嘅數據原則上係描述緊同一系列嘅物體，但用過嘅事前數據處理方法唔同，都會引起一個疑慮：來源 A 嘅 1 值，係咪真係等同來源 B 嘅 1 值？兩者係咪真係可比？
睇埋
[編輯]註釋
[編輯]引述
[編輯]- ↑ "Cristen, P & T: Febrl - Freely extensible biomedical record linkage (Manual, release 0.3) p.9". 原著喺2016-03-11歸檔. 喺2006-04-21搵到.
- ↑ Elmagarmid, Ahmed; Panagiotis G. Ipeirotis; Vassilios Verykios (January 2007). "Duplicate Record Detection: A Survey" (PDF). IEEE Transactions on Knowledge and Data Engineering. 19 (1): pp. 1–16. Bibcode:2007ITKDE..19E0581E. doi:10.1109/tkde.2007.250581. S2CID 386036. 喺2009-03-30搵到.
資源
[編輯]- （香港繁體）人工智能處理貿易文件 – 記錄連接