[发明专利]用于管理含有具有缺失值的记录的数据库的方法和系统

权利要求书

1.一种用于管理数据库的方法，包括：

在数据集中包含多个记录，所述多个记录中的至少一个包含具有缺失值的一个或多个字段，其中完成所述数据集包含：

从数据集中选择包括缺失值的目标记录；

将数据集的记录划分成为包括互相关数据的至少两组，划分后的记录包括具有与目标记录中的缺失值相同字段的值的记录；

基于与划分后记录相关联的至少两个组中的每一个中的字段之间的关系来预测缺失值；以及

将目标记录的缺失值设置为预测值。

2.如权利要求1所述的方法，其中从数据集中选择目标记录包括将目标记录选择为具有最少数目缺失值的记录。

3.如权利要求1所述的方法，还包括：

从目标记录中选择包括缺失值的目标字段。

4.如权利要求1所述的方法，其中将数据集的记录划分成为至少两个组包括：

过滤数据集以从数据集排除那些缺失用于至少一个目标字段的值的记录，所述至少一个目标字段包括缺失值。

5.如权利要求1所述的方法，其中将数据集的记录划分成为至少两个组包括：

确定用于目标字段的均值或平均值，以及

插入均值或平均值作为用于缺失用于目标字段的相应值的每个记录的临时值。

6.如权利要求1所述的方法，其中将数据集的记录划分成为至少两个组包括：

选择目标记录的k个最近邻(KNN)记录。

7.如权利要求1所述的方法，其中预测缺失值包括：

基于第一类型的互相关数据生成第一线性函数；

基于第二类型的互相关数据生成第二线性函数；

基于第一线性函数和第二线性函数生成双局部线性局部模型；以及

使用双局部线性局部模型预测缺失值。

8.如权利要求7所述的方法，其中

第一类型的互相关数据基于定量数据；以及

第二类型的互相关数据基于定性数据。

9.如权利要求1所述的方法，其中从个人的健康记录(PHR)数据库中选择所述数据集。

10.一种具有存储在其上的计算机可执行程序代码的非瞬时计算机可读存储介质，当在计算机系统上运行该计算机可执行程序代码时，使得计算机系统执行包括如下的步骤：

在数据集中包含多个记录，所述多个记录中的至少一个包含具有缺失值的一个或多个字段，其中完成所述数据集包含：

从数据集中选择包括缺失值的目标记录；

将数据集的记录划分成为包括互相关数据的至少两组，划分后的记录包括具有与目标记录中的缺失值相同字段的值的记录；

基于与划分后记录相关联的至少两个组中的每一个中的字段之间的关系来预测缺失值；以及

将目标记录的缺失值设置为预测值。

11.如权利要求10所述的非瞬时计算机可读存储介质，其中从数据集中选择目标记录包括将目标记录选择为具有最少数目缺失值的记录。

12.如权利要求10所述的非瞬时计算机可读存储介质，其中所述步骤进一步包括：

从目标记录中选择包括缺失值的目标字段。

13.如权利要求10所述的非瞬时计算机可读存储介质，其中将数据集的记录划分成为至少两个组包括：

过滤数据集以从数据集排除那些缺失用于至少一个目标字段的值的记录，所述至少一个目标字段包括缺失值。

14.如权利要求10所述的非瞬时计算机可读存储介质，其中将数据集的记录划分成为至少两个组包括：

确定用于目标字段的均值或平均值，以及

插入均值或平均值作为用于缺失用于目标字段的相应值的每个记录的临时值。