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(rèn)領(lǐng)
文檔簡介
1、相似重復(fù)記錄指數(shù)據(jù)集中多條語義相同,但因格式、拼寫等異常導(dǎo)致系統(tǒng)不能正確識別的臟數(shù)據(jù)。檢測相似重復(fù)記錄就是檢測并最大限度的減少這些語義相同但表現(xiàn)形式不同的臟數(shù)據(jù)。一般地,臟數(shù)據(jù)集中相似重復(fù)的臟數(shù)據(jù)所占的比重較大。因此,檢測和消除相似重復(fù)記錄是數(shù)據(jù)清洗的重點和難點之一,也是保證數(shù)據(jù)質(zhì)量的關(guān)鍵因素,正日益受到信息系統(tǒng)研究者的關(guān)注以及企業(yè)的高度重視。
本課題組已經(jīng)開發(fā)并實際運行的某省農(nóng)村飲水工程信息管理系統(tǒng),是一個大型復(fù)雜的WE
2、B信息系統(tǒng)。在運行中發(fā)現(xiàn)系統(tǒng)存在大量的臟數(shù)據(jù)。為了解決臟數(shù)據(jù)問題,進一步提高系統(tǒng)的實用性,我們以清理系統(tǒng)臟數(shù)據(jù)、監(jiān)測與清洗重復(fù)記錄為核心目標(biāo),在深入學(xué)習(xí)中文分詞技術(shù)、數(shù)據(jù)清洗理論、Web開發(fā)技術(shù)、數(shù)據(jù)庫理論、網(wǎng)絡(luò)通信理論和軟件建模理論的基礎(chǔ)上,基于微軟VisualStudio2008開發(fā)平臺對該系統(tǒng)進行了深入的維護性研究開發(fā)。
農(nóng)村飲水工程信息管理系統(tǒng)中數(shù)據(jù)源涉及到全省上萬個村莊,采集的底層數(shù)據(jù)存在嚴(yán)重的“臟、雜、亂”現(xiàn)象
3、,從而降低了調(diào)查、統(tǒng)計、分析的精確性和可信度。在系統(tǒng)維護性研究開發(fā)過程中,作者提出了一種基于中文分詞的地址信息檢測方法,實現(xiàn)了數(shù)據(jù)中不完整及錯誤的地址信息檢測糾正功能;提出了一種基于語義樹的中文相似重復(fù)記錄清洗方法,用以消除原數(shù)據(jù)中的重復(fù)記錄集;運用控件編程實現(xiàn)了數(shù)據(jù)統(tǒng)計分析功能,提升了用戶體驗。
經(jīng)過對原系統(tǒng)中新增模塊的分析、設(shè)計、編碼、測試及集成后,已消除了原系統(tǒng)中“臟、雜、亂”數(shù)據(jù)的缺陷,提高了數(shù)據(jù)質(zhì)量。目前,該系統(tǒng)
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(yù)覽,若沒有圖紙預(yù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 相似重復(fù)記錄的數(shù)據(jù)清洗技術(shù)的研究.pdf
- 刪除表中重復(fù)記錄
- 在sql中刪除重復(fù)記錄(多種方法)
- 重復(fù)記錄檢測綜述
- 在sql server中快速刪除重復(fù)記錄(多圖)
- 基于規(guī)則的信息系統(tǒng)環(huán)境下重復(fù)記錄清理的實現(xiàn).pdf
- 軟件升級技術(shù)及其在美發(fā)信息管理系統(tǒng)中的應(yīng)用.pdf
- 數(shù)據(jù)倉庫技術(shù)的研究及其在信息管理系統(tǒng)中的應(yīng)用.pdf
- OLAP技術(shù)在稅務(wù)信息管理系統(tǒng)中應(yīng)用的研究.pdf
- 數(shù)據(jù)挖掘中的重復(fù)記錄檢測算法研究.pdf
- 基于CSSN算法的重復(fù)記錄檢測研究.pdf
- 信息安全技術(shù)在采供血信息管理系統(tǒng)中的應(yīng)用研究.pdf
- 論gis技術(shù)在土地信息管理系統(tǒng)中的應(yīng)用
- 數(shù)據(jù)挖掘技術(shù)在黨員信息管理系統(tǒng)中的應(yīng)用.pdf
- 基于CURE算法的相似重復(fù)記錄檢測技術(shù)研究.pdf
- 海量數(shù)據(jù)相似重復(fù)記錄檢測的研究.pdf
- SOA技術(shù)在財政信息管理系統(tǒng)中的應(yīng)用與研究.pdf
- ZigBee在電力信息管理系統(tǒng)中的應(yīng)用.pdf
- 數(shù)據(jù)挖掘技術(shù)在公安警務(wù)信息管理系統(tǒng)中的應(yīng)用.pdf
- 組件GIS及其在住宅小區(qū)信息管理系統(tǒng)中的應(yīng)用.pdf
評論
0/150
提交評論