中文数据清洗研究综述.pdf

ComputerEngineeringandApplications计算机工程与应用 @数据库、信号与信息处理@ 中文数据清洗研究综述 叶 鸥‘，张琛’，李军怀2 YE Junhuai2 Oul，ZHANGJin91，LI 1 西安理工大学计算机科学与技术学院，西安70048 Schoolof of 710048，China ComputerScienceEngineering．Xi’aftUniversityTechnology,Xi’an YEOu，ZHANG ofChinesedata and Jing，LlJunhuai．Survey cleaning．ComputerEngineeringApplica- tions，2012，48(14)：121-129． Abstract：Chinesedata is inthis totaldata mall- cleaningproblemsurveyedpaper．Therelationshipsamong quality anddata are thedefinitionand ofdata are of clarified，and agement cleaning objects cleaninggiven．Thebackground data statusandhotresearchareasare thebasic andsomerood— introduced，and cleaningproblem，research principle elsofdata are are tothesituationofthe cleaningpresentedbriefly,existingalgorithmsanalyzed．According country anddemandof methodsofChinesedata are weaknessofChinesedataclean- projects，the cleaningemphasized．The is thefutureresearchand relatedtoChinesedata arediscussed． ingclarified，and topicsapplication cleaningproblem words：Chinesedata management；data Key cleaning；dataquality integration 摘要：针对中文数据清洗研究进行了综述。阐明了全面数据质量管理与数据清洗之间的关系，给出数据清 洗的定义及对象：介绍中文数据清洗问题产生的背景，国内外研究现状与研究热点，并简介其基本原理、模型 及已有算法；着重阐明了中文数据清洗的方法；总结中文数据清洗研究的不足，并对中文数据清洗的研究及应 用进行了展望。 关键凋：中文数据清洗；数据质量管理；数据集成 文章编号：1002．833l(2012)14．0121．09文献标识码：A 巾图分类号：TP393 在现实生活中，脏数据在工业生产、金融、企业 而普化永道会计事务所(Pricewaterhouse