2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩66頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、數(shù)據(jù)清洗的需求由來(lái)己久,對(duì)數(shù)據(jù)清洗技術(shù)的研究一直是數(shù)據(jù)管理領(lǐng)域及其相關(guān)領(lǐng)域中一個(gè)非常熱門的課題。本文主要研究的是在Web信息集成過(guò)程中“臟數(shù)據(jù)”問(wèn)題的解決方法,重點(diǎn)研究了重復(fù)記錄檢測(cè)及其相關(guān)算法,為消除臟數(shù)據(jù)、保證集成數(shù)據(jù)的質(zhì)量提供了一套解決方案。 本文首先論述了數(shù)據(jù)質(zhì)量的定義及其相關(guān)概念,總結(jié)了數(shù)據(jù)清洗技術(shù)的原理,數(shù)據(jù)清洗的方法,并給出數(shù)據(jù)清洗的評(píng)價(jià)標(biāo)準(zhǔn)。針對(duì)數(shù)據(jù)清洗的一般步驟,提出數(shù)據(jù)清洗的框架一種是與領(lǐng)域無(wú)關(guān)的基于元數(shù)據(jù)的

2、數(shù)據(jù)清洗框架,一種是基于領(lǐng)域知識(shí)的數(shù)據(jù)清洗框架。此外還分別對(duì)不完整數(shù)據(jù),異常數(shù)據(jù)和重復(fù)記錄的數(shù)據(jù)清洗技術(shù)進(jìn)行了研究,給出了它們的定義,實(shí)例,清洗的一般步驟,基本流程,可采用的清洗方法。 本文就重復(fù)記錄清洗中各個(gè)步驟所涉及的關(guān)鍵算法進(jìn)行了研究,主要包括基于編輯距離的字段匹配算法,記錄匹配的Palr-Wise比較算法,重復(fù)記錄檢測(cè)的SNM算法,給出了算法的基本思想,算法復(fù)雜度分析。并針對(duì)SNM算法進(jìn)行了改進(jìn)。本文還給出了重復(fù)記錄合并

3、/刪除的規(guī)則。 根據(jù)Web信息集成中Web數(shù)據(jù)的特點(diǎn),給出了基于Web的數(shù)據(jù)清洗框架,該框架主要是利用XML特點(diǎn),在XML對(duì)數(shù)據(jù)庫(kù)映射的同時(shí)進(jìn)行數(shù)據(jù)清洗的預(yù)處理,即對(duì)數(shù)據(jù)進(jìn)行元素化,標(biāo)準(zhǔn)化,提高數(shù)據(jù)清洗的效率。利用前面研究的重復(fù)記錄清洗的算法,對(duì)Web信息抽取后的數(shù)據(jù)進(jìn)行了重復(fù)記錄的檢測(cè),并根據(jù)實(shí)驗(yàn)結(jié)果進(jìn)行了相關(guān)分析。 本文最后提出了一種基于中文的重復(fù)記錄檢測(cè)方法,主要是根據(jù)漢語(yǔ)的特點(diǎn),在匹配前進(jìn)行中文分詞和語(yǔ)義匹配,以

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論