复杂数据质量控制技术

  
复杂性是大数据区别于小数据的本质特性，也是当前大数据质量控制与数据治理面临的核心挑战。本书围绕大数据的复杂性开展研究，旨在探索当前数据资源建设与利用过程中面临的挑战和技术难题，促进数据价值的充分释放。

全书分为6部分，共24章。第1部分概述(第1、2章)，综述所研究数据控制技术的基本概念和任务定位，以及国内外的研究进展；第2部分实体分辨技术(第3~13章)，研究了高维数据实体分辨、名称分辨、XML数据实体分辨和跨模态数据实体分辨等；第3部分真值发现技术(第14~18章)，研究了单真值发现、多真值发现、文本数据真值发现，以及基于多蚁群优化和基于深度神经网络的真值发现等；第4部分基于数据依赖的数据质量控制技术(第19~21章)，研究了数据录入辅助预测与推理方法、不一致数据检测与修复方法，以及有限先验知识下的全局数据质量评估；第5部分系统与平台(第22、23章)，介绍了数据质量控制系统，以及数据治理平台的设计与实现；第6部分结束语(第24章)，归纳总结了当前面临的风险和挑战。

本书务实求新，系统性强，易读性和可操作性好，既可作为数据质量控制与数据治理领域的进阶用书，又可作为数据资源建设与利用、信息技术等相关学科领域的教学参考或工程实践指导用书。

第1部分概述

第1章绪论

1.1研究背景及意义

1.2基本概念和任务定位

1.2.1实体分辨

1.2.2高维数据实体分辨

1.2.3名称分辨

1.2.4XML数据实体分辨

1.2.5跨模态数据实体分辨

1.2.6冲突消解与真值发现

1.2.7不一致数据检测与修复

1.2.8数据录入辅助预测与修复

1.2.9数据质量评估

1.3本书内容结构安排

本章参考文献

第2章国内外研究进展

2.1引言

2.2高维数据实体分辨的研究进展

2.2.1实体分辨方法

2.2.2多目标蚁群算法

2.2.3特征选择稳定性

2.2.4不平衡数据分类方法

……