版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、當今信息化時代,由于互聯(lián)網(wǎng)的興起和產(chǎn)業(yè)的數(shù)字化,導致各種數(shù)據(jù)量的急劇增長,數(shù)據(jù)的重要性越來越不可忽視。糟糕的數(shù)據(jù)質量對數(shù)據(jù)分析數(shù)據(jù)挖掘等都造成一定的影響,利用數(shù)據(jù)清洗來處理劣質數(shù)據(jù)對數(shù)據(jù)進行預處理成為必要的手段之一。然而目前的數(shù)據(jù)清洗方法往往計算難度比較大,精度不夠高,甚至一部分問題是 NP-hard難題或者是根本不可計算的。另外缺少充分的知識也是目前很多數(shù)據(jù)清洗算法面臨的一個問題,沒有額外知識的加入,規(guī)則定義的不夠全面,都將導致數(shù)據(jù)清
2、洗的結果精確度不夠高。本文將主動學習與眾包結合起來進行數(shù)據(jù)清洗,通過眾包確認來保證一定的精確度,同時結合主動學習框架來減少眾包的開銷。分別針對數(shù)據(jù)清洗領域中的真值發(fā)現(xiàn)問題,缺失值填充問題,實體識別問題提出了基于眾包的主動學習算法,最后結合這三種修復給出了一個基于眾包的數(shù)據(jù)清洗系統(tǒng)。
本文的主要貢獻主要分為三個方面:第一,設計了一個滿足數(shù)據(jù)清洗的問題特點的主動學習模型,將以往多應用在機器學習領域加快分類的主動學習機制應用在數(shù)據(jù)清
3、洗領域;第二,在數(shù)據(jù)清洗的過程中引入眾包平臺來加快原有模型的修復速度,增加模型修復的正確性;第三,一個基于眾包的數(shù)據(jù)清洗系統(tǒng)。每個方面的主要內容闡述如下。
首先,本文為數(shù)據(jù)清洗問題設計了兩種適用于不同場合的主動學習模型,分別為直接主動學習模型和交互主動學習模型,以少量的有標記樣本作為初始訓練集對大量數(shù)據(jù)進行清洗,選出價值更高的一類樣本利用眾包平臺進行人工標記。在提高數(shù)據(jù)清洗準確率的同時最小化眾包平臺的開銷。
其次,本
4、文首次將眾包平臺引入數(shù)據(jù)清洗領域,對真值發(fā)現(xiàn),實體識別,缺失填充等問題進行研究,利用眾包平臺提供充分的知識獲取真值。
最后,我們提出了基于眾包的數(shù)據(jù)清洗系統(tǒng),解決了現(xiàn)有系統(tǒng)中領域知識不充分,處理劣質數(shù)據(jù)不全面的問題。采用人機結合的方式對劣質數(shù)據(jù)進行清洗,將基于不同劣質數(shù)據(jù)類型的清洗方法整合到一個自動清洗模塊中。系統(tǒng)為用戶提供了手動選擇眾包記錄和結果二次眾包的功能,將清洗結果的每一步及時的反饋給用戶,加強了用戶與系統(tǒng)的互動,具有
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于眾包的室內定位關鍵技術研究.pdf
- 數(shù)據(jù)清洗的若干關鍵技術研究.pdf
- 基于創(chuàng)新活力監(jiān)測的創(chuàng)意眾包方法及關鍵技術研究.pdf
- 數(shù)據(jù)清洗的若干關鍵技術研究(1)
- 數(shù)據(jù)質量和數(shù)據(jù)清洗關鍵技術研究.pdf
- RFID數(shù)據(jù)清洗關鍵技術研究.pdf
- 面向Web文本的數(shù)據(jù)清洗關鍵技術的研究與實現(xiàn).pdf
- 數(shù)據(jù)包異步電路的關鍵技術研究.pdf
- 基于眾包的數(shù)據(jù)標注系統(tǒng).pdf
- 基于眾核的網(wǎng)絡處理平臺關鍵技術研究.pdf
- DPSK數(shù)據(jù)包時隙交換關鍵技術的研究.pdf
- 動車組大數(shù)據(jù)清洗關鍵技術研究與實現(xiàn).pdf
- 基于數(shù)據(jù)手套的虛擬裝配關鍵技術的研究.pdf
- 數(shù)據(jù)清洗關鍵技術研究及在工商信用服務平臺上的應用.pdf
- 基于Hadoop的大數(shù)據(jù)存儲關鍵技術研究.pdf
- 基于RFID的數(shù)據(jù)采集系統(tǒng)關鍵技術研究.pdf
- 基于數(shù)據(jù)手套的虛擬針灸關鍵技術研究.pdf
- 基于GPU的大數(shù)據(jù)OLAP分析關鍵技術的研究.pdf
- 基于CCD影像數(shù)據(jù)構建DEM關鍵技術的研究.pdf
- 基于云計算的數(shù)據(jù)安全關鍵技術研究.pdf
評論
0/150
提交評論