基于XML數(shù)據(jù)清洗的應(yīng)用研究.pdf

1、隨著信息化技術(shù)的飛速發(fā)展，企業(yè)積累了大量的電子數(shù)據(jù)，管理人員進(jìn)行決策分析時對這些數(shù)據(jù)的依賴性越來越強(qiáng)。因此，必須進(jìn)行數(shù)據(jù)清洗來提高信息系統(tǒng)的數(shù)據(jù)質(zhì)量。顯見，研究信息化建設(shè)中的數(shù)據(jù)清洗問題具有理論和應(yīng)用價值。論文的研究內(nèi)容與所做的主要工作包括以下幾個方面： 1)研究了數(shù)據(jù)清洗的重要性和緊迫性，分析了國內(nèi)外研究現(xiàn)狀，指出了目前研究中所存在的問題。重點(diǎn)闡釋數(shù)據(jù)質(zhì)量問題，數(shù)據(jù)清洗的基本理論及XML的相關(guān)技術(shù)。 2)在結(jié)構(gòu)化數(shù)據(jù)清

2、洗研究的基礎(chǔ)上，針對半結(jié)構(gòu)化數(shù)據(jù)XML在數(shù)據(jù)清洗中的重要性進(jìn)行研究。主要工作有：①將XML數(shù)據(jù)清洗分成兩大類進(jìn)行研究，即模式級數(shù)據(jù)清洗和實(shí)例數(shù)據(jù)級數(shù)據(jù)清洗；②根據(jù)XMLSchema的特點(diǎn)，對XML模式級數(shù)據(jù)的命名沖突、數(shù)據(jù)類型沖突和約束沖突進(jìn)行了研究，分別提出了相應(yīng)的清洗規(guī)則與清洗方法，并采用XQuery語言分別描述了具體的實(shí)現(xiàn)。③針對XML實(shí)例級數(shù)據(jù)清洗，重點(diǎn)對XML相似重復(fù)數(shù)據(jù)的清洗做了試探性研究。借鑒清洗結(jié)構(gòu)化數(shù)據(jù)中相似重復(fù)記錄的