为实现高效的多源证据融合而开发的新型开源 Python 包

Josiah02

北京大学的研究人员开发了 ERTool，这是一个开源 Python 包，旨在简化多源证据融合的证据推理 (ER) 方法的实现。该工具解决了在不确定的决策环境中整合来自多个来源的数据的挑战。研究结果发表在《健康数据科学》上。
多源证据融合在医疗管理、商业分析和环境风险评估等领域发挥着重要作用。然而，ER 方法的传统应用非常复杂，需要编码方面的专业知识。为了克服这些挑战，北京大学国家健康数据科学研究所副研究员孔桂兰及其团队设计了 ERTool，它可以自动化 ER 方法，使更广泛的受众（包括非专家）都可以使用它。
Kong 解释道：“我们的目标是让 ER 方法更加方便用户使用，尤其是对于非专业人士而言。ERTool 弥补了复杂算法与实际应用之间的差距，使研究人员和专业人员能够更轻松地整合多源数据，以便做出基于证据的决策。”
ERTool 软件包简化了融合不同来源证据的过程，并解决了决策中的不确定性问题。它具有简洁的界面和高计算效率，使其成为适用于各种应用的多功能工具。ERTool 可通过 Python 软件包索引访问，也可通过其在线版本使用，该版本支持实时证据融合和结果可视化。
与智能决策系统（IDS）等其他系统相比，ERTool 具有开放源代码的特性，更易于访问和使用。它免费向公众开放，这增强了其在各个领域广泛使用的潜力。
展望未来，研究团队计划将数据库管理系统 (DBMS) 集成到 ERTool 中，这将使其能够处理大量证据数据。
“我们的最终目标是让 ERTool 成为多源证据融合的领先解决方案，并随着证据推理的最新发展而不断发展，”Kong 补充道。