发明名称 | 一种基于数据仓库的数据清洗方法 | ||
摘要 | 本发明公开了一种基于数据仓库的数据清洗方法,该数据清洗方法包括预处理、给属性分配权值、重复记录检测、数据库级的重复记录聚类以及冲突处理;预处理:选择用于记录匹配的属性,该属性能代表记录特征;给属性分配权值:根据属性在决定两条记录相似性中重要程度的不同,为每个属性分配不同的权重;数据库级的重复记录聚类:在数据库应用检测重复记录的算法中减少比较记录的范围,对整个数据集中的重复记录进行聚类;冲突处理:合并或者删除检测出的同一重复记录聚类的重复记录,保留其中正确的记录。本发明能检测大批量的数据源的错误并改正,有效降低清洗过程的复杂程度,提高清洗效率,保证了数据集的质量,提高数据仓库的运行效果。 | ||
申请公布号 | CN104699796A | 申请公布日期 | 2015.06.10 |
申请号 | CN201510118379.0 | 申请日期 | 2015.03.18 |
申请人 | 浪潮集团有限公司 | 发明人 | 焦毓葳;孙海峰;王传超 |
分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
代理机构 | 济南信达专利事务所有限公司 37100 | 代理人 | 姜明 |
主权项 | 一种基于数据仓库的数据清洗方法,其特征在于,该数据清洗方法通过预处理、给属性分配权值、重复记录检测、数据库级的重复记录聚类以及冲突处理五个步骤实现;预处理:选择用于记录匹配的属性,该属性能代表记录特征;给属性分配权值:根据属性在决定两条记录相似性中重要程度的不同,为每个属性分配不同的权重;数据库级的重复记录聚类:在数据库应用检测重复记录的算法中减少比较记录的范围,对整个数据集中的重复记录进行聚类;冲突处理:合并或者删除检测出的同一重复记录聚类的重复记录,保留其中正确的记录。 | ||
地址 | 250101 山东省济南市高新区舜雅路1036号 |