數(shù)據(jù)質(zhì)量控制：數(shù)據(jù)預處理研究、設(shè)計與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀

下載本文檔

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(lǐng)

文檔簡介

1、該文圍繞兩個主題:數(shù)據(jù)倉庫質(zhì)量控制之ETL和主題網(wǎng)站質(zhì)量控制框架,將數(shù)據(jù)預處理方法應用其中,主要做了下列工作.1研究了ETL設(shè)計與實現(xiàn)技術(shù)中的難點,給出了搭建ETL過程的體系結(jié)構(gòu).2研究了DBMS中單數(shù)據(jù)源、多數(shù)據(jù)源以及schema級、instance級出現(xiàn)的數(shù)據(jù)問題,并給予解決方法.3以企業(yè)DW項目為背景,在RS6000上基于AIX編寫shell腳本實現(xiàn)了單數(shù)據(jù)源的抽取、轉(zhuǎn)換和裝載,裝載平臺為DB2.4探索了主題網(wǎng)站實時過濾非主題文本

2、信息技術(shù).自行設(shè)計了一個文本預處理可擴展框架:兩可選模型(VSM和LM)、質(zhì)量控制三階段算法.5分析了框架中主要的數(shù)據(jù)預處理功能模塊:分詞、語言分析、模型建立、特征提取.并針對主題網(wǎng)站信息源Text Stream的特點,從實時過濾角度出發(fā),提出了兩個可選的新穎方案:(1)基于相似度的高速匹配方案,改進MC法,配以邏輯閾值,讓網(wǎng)站文本根據(jù)匹配的模板進行快速過濾,其中,在線文本預處理、高效模板更新、內(nèi)存需求小都是該方案的可取之處.(2)基于

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

評論

0/150

提交評論