劣质数据库上阈值相似连接结果大小估计 - 计算机学报.pdf

第卷第期 计 算 机 学 报 ３５ １０ 　 　　　　　　　　 Ｖｏｌ．３５Ｎｏ．１０ 年月 ２０１２１０ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ Ｏｃｔ．２０１２ 　 劣质数据库上阈值相似连接结果大小估计 张岩杨龙王宏志 　　　　 （哈尔滨工业大学计算机科学与技术学院哈尔滨 ） １５０００１ 　 　 摘要 ， ， 劣质数据普遍存在于现代数据管理系统中严重影响了数据的质量从而降低了数据的实用性以及数据 　　 的价值，这为数据管理带来了新的挑战当前，已经有不少管理劣质数据的数据模型被提出，实体关系数据模型是 ． 其中一种，其中每条元组表示一个现实世界中的实体该模型允许劣质数据的存在，给出了衡量数据质量的方法， ． 并且可根据用户对结果质量的需求给出达到一定质量的查询结果鉴于该模型的特点，传统的查询代价估计方法 ． ， ， 不再适用需要新的代价估计技术文中研究如何估计连接操作结果的大小提出了在应用局部敏感 算法对 ． Ｈａｓｈ ， ， 属性值聚类的基础上再进行采样估计的方法并且在聚类过程中考虑数据质量对查询结果的影响与传统随机采 ． ， 样方法对比实验结果表明文中估计方法有更好的准确性． 关键词代价估计；采样估计；劣质数据；数据质量；阈值 　 中图法分类号 号： ／ ＴＰ３１１ 犇犗犐１０．３７２４ＳＰ．Ｊ．１０１６．２０１２．０２１５９ 　　　 犛犻犿犻犾犪狉犻狋犑狅犻狀犛犻狕犲犈狊狋犻犿犪狋犻狅狀狑犻狋犺犜犺狉犲狊犺狅犾犱犳狅狉犇犻狉狋犇犪狋犪犫犪狊犲 狔 狔 ＺＨＡＮＧＹａｎＹＡＮＧＬｏｎＷＡＮＧＨｏｎＺｈｉ 　 　 ｇ ｇ （ ， ， ） 犛犮犺狅狅犾狅犆狅犿狌狋犲狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅 犎犪狉犫犻狀犐狀狊狋犻狋狌狋犲狅犜犲犮犺狀狅犾狅 犎犪狉犫犻狀１５０００１ 犳 狆 犵狔 犳 犵狔