XML與數(shù)據(jù)清洗的研究.pdf

1、數(shù)據(jù)清洗(Data cleaning),是用來提高數(shù)據(jù)質(zhì)量的方法.和大多數(shù)公司一樣,正虹公司的信息化要求越來越迫切,其中一個很重要的方面就是企業(yè)數(shù)據(jù)的質(zhì)量管理.為了支持正確決策,就要求所管理的數(shù)據(jù)可靠,沒有錯誤,準(zhǔn)確地反映企業(yè)的實(shí)際情況.因此,公司數(shù)據(jù)質(zhì)量的管理正在獲得越來越多的關(guān)注.隨著Web的發(fā)展,公司的業(yè)務(wù)部分在Web上實(shí)現(xiàn),因此Web數(shù)據(jù)清洗的重要性逐漸為人們所認(rèn)識,本文主要從Web數(shù)據(jù)清洗的角度加以探討數(shù)據(jù)質(zhì)量管理的問題.本文

2、由緒論,數(shù)據(jù)清洗理論,XML在數(shù)據(jù)清洗上的應(yīng)用,正虹Web系統(tǒng)數(shù)據(jù)清洗的設(shè)計和正虹Web系統(tǒng)數(shù)據(jù)清洗實(shí)踐,總結(jié)與展望六個部分組成.本文主要做了以下的幾點(diǎn)工作:系統(tǒng)性地概述了數(shù)據(jù)清洗的實(shí)施流程及理論;分析了XML語言在數(shù)據(jù)清洗上的應(yīng)用優(yōu)勢;結(jié)合XML技術(shù)提出了一種在Web系統(tǒng)上進(jìn)行數(shù)據(jù)清洗的框架;討論距離函數(shù)在記錄匹配上的應(yīng)用;在前面工作基礎(chǔ)上對正虹Web系統(tǒng)數(shù)據(jù)進(jìn)行了試驗(yàn)性清洗.數(shù)據(jù)清洗是一個領(lǐng)域相關(guān)性非常強(qiáng)的工作,國內(nèi)外的研究人員始終