版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、真實環(huán)境中,相同的物理實體通常會有多種在邏輯上的描述。當物理實體描述為酒店數(shù)據(jù)時,這種現(xiàn)象特別明顯。本論文基于酒店實體數(shù)據(jù)匹配的實際需求,對數(shù)據(jù)清洗與實體匹配問題進行了分析與研究,最終提出了一套在酒店數(shù)據(jù)背景下的數(shù)據(jù)清洗框架。該框架主要基于編輯距離、主數(shù)據(jù)和條件函數(shù)依賴等技術(shù)。
編輯距離是一種廣泛用于描述字符串相似度的標識。主數(shù)據(jù)則是能夠被視為事實的數(shù)據(jù)倉庫?;谒鼈?論文中設計了去除潛在重復數(shù)據(jù)的以抽取酒店主數(shù)據(jù)的兩類算法:
2、即一般匹配算法和遞增匹配算法。兩類算法都展示了穩(wěn)定的、可接受的性能。面對數(shù)據(jù)源不斷改變的真實應用環(huán)境,在一般匹配算法的基礎上,論文中設計了遞增匹配算法。相比于一般匹配算法,遞增算法在運行時間上擁有了更高的效率。
另一方面,條件函數(shù)依賴則是一類最近提出的完整性約束。它已經(jīng)被證明能夠通過在語義上強制綁定相應的數(shù)據(jù)值,從而有效地檢測出數(shù)據(jù)中的錯誤和不一致性。利用從主數(shù)據(jù)中提取出的條件函數(shù)依賴,能夠高效地去除或修復數(shù)據(jù)中的雜質(zhì)與錯誤,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)發(fā)布中基于分解及條件函數(shù)依賴的隱私保護研究.pdf
- 基于Web數(shù)據(jù)的距離函數(shù)研究.pdf
- 結(jié)合編輯距離和Google距離的語義標注方法研究.pdf
- 基于數(shù)據(jù)倉庫的數(shù)據(jù)清洗方法研究.pdf
- 基于編輯距離的眉毛識別方法的研究與實現(xiàn).pdf
- 多級安全數(shù)據(jù)庫系統(tǒng)函數(shù)依賴和多值依賴推理研究.pdf
- 時空數(shù)據(jù)庫函數(shù)依賴問題的研究.pdf
- 基于函數(shù)依賴的成批處理模式挖掘方法研究.pdf
- 基于圖編輯距離的圖匹配算法研究.pdf
- 基于圖編輯距離的畫像識別.pdf
- 面向?qū)@麛?shù)據(jù)清洗和分析的自動分類方法研究.pdf
- 基于貝葉斯方法和編輯距離的英文語法檢查系統(tǒng)設計與實現(xiàn).pdf
- 基于XML Schema的XML函數(shù)依賴研究.pdf
- 基于數(shù)據(jù)源依賴關系的信息評價方法研究.pdf
- 基于編輯距離圖嵌入的圖匹配算法研究.pdf
- 數(shù)據(jù)庫逆向工程——函數(shù)依賴的挖掘.pdf
- 基于蜂窩信令數(shù)據(jù)的移動軌跡清洗和預測方法研究與實現(xiàn).pdf
- 基于編輯距離的字符串相似連接的研究.pdf
- 大數(shù)據(jù)下基于塊依賴的實體解析方法.pdf
- 機載雙基地MIMO雷達距離依賴雜波抑制方法研究.pdf
評論
0/150
提交評論