ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
۱ ۳ مدل داده
۲ ۳ طبقه بندی خطاهای داده
۱ ۲ ۳ خطاهای نحوی
۲ ۲ ۳ خطاهای معنایی
۳ ۲ ۳ خطاهای پوششی
۴ پاکسازی و کیفیت داده
۱ ۴ کیفیت داده
۲ ۴ معیارهای کیفی
۵ رویکرد فرایند در مورد پاکسازی داده
۱ ۵ حسابرسی داده
۲ ۵ مشخصات جریان گردش کار
۳ ۵ اجرای جریان کار
۴ ۵ عملیات پس پردازش و کنترل
۶ روشهای به کار رفته برای پاکسازی داده
۱ ۶ تجزیه
۳ ۶ اجرای محدودیت یکپارچگی
۴ ۶ حذف نسخه کپی
۵ ۶ روشهای آماری
۷ شیوه های فعلی پاکسازی داده
۱ ۷ AJAX
۲ ۷ FraQL
۳ ۷ Potter’s Wheel
۴ ۷ ARKTOS
۵ ۷ IntelliClean
۶ ۷ مقایسه
۸ چالش ها و مسائل باز
۱ ۸ تصحیح خطا و حل تعارض
۳ ۸ پاکسازی داده در محیط های مجازی یکپارچه
۴ ۸ چارچوب پاکسازی داده
۹ نتیجه گیری
Cleansing data from impurities is an integral part of data processing and maintenance. This has lead to the development of a broad range of methods intending to enhance the accuracy and thereby the usability of existing data. This paper presents a survey of data cleansing problems, approaches, and methods. We classify the various types of anomalies occurring in data that have to be eliminated, and we define a set of quality criteria that comprehensively cleansed data has to accomplish. Based on this classification we evaluate and compare existing approaches for data cleansing with respect to the types of anomalies handled and eliminated by them. We also describe in general the different steps in data cleansing and specify the methods used within the cleansing process and give an outlook to research directions that complement the existing systems.