劣质数据库上阈值相似连接结果大小估计

被引：5

作者：

张岩

杨龙

王宏志

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

来源：

计算机学报 | 2012年 / 35卷 / 10期

关键词：

代价估计; 采样估计; 劣质数据; 数据质量; 阈值;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

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Hash算法对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.

引用

页码：2159 / 2168

页数：10

共 4 条

[1] Creating probabilistic databases from duplicated data [J].

Hassanzadeh, Oktie ;

Miller, Renee J. .

VLDB JOURNAL, 2009, 18 (05) :1141-1166

[2]

Data integration with uncertainty[J] . Xin Luna Dong,Alon Halevy,Cong Yu.The VLDB Journal . 2009 (2)

[3]

Swoosh: a generic approach to entity resolution[J] . Omar Benjelloun,Hector Garcia-Molina,David Menestrina,Qi Su,Steven Euijong Whang,Jennifer Widom.The VLDB Journal . 2009 (1)

[4]

Entity resolu-tion with iterative blocking .2 Whang S E,Menestrina D,Koutrika G,et al. Proceedings of the35th SIGMOD International Conference on Management of Data (SIGMOD09) . 2009

← 1 →