دانلود ترجمه مقاله رویکردها و مشکلات در پاکسازی داده - مجله IEEE

دانلود ترجمه مقاله رویکردها و مشکلات در پاکسازی داده - مجله IEEE
قیمت خرید این محصول
۱۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
پاکسازی داده: مسائل و شیوه های فعلی
عنوان انگلیسی
Data Cleaning: Problems and Current Approaches
صفحات مقاله فارسی
18
صفحات مقاله انگلیسی
11
سال انتشار
2000
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
3069
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الگوریتم و محاسبات، مهندسی نرم افزار و هوش مصنوعی
دانشگاه
لایپزیگ، کشور آلمان
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
۱ مقدمه
۲ مسائل پاکسازی داده

۱ ۲  مسائل تک منبعی
۲ ۲ مسائل و مشکلات چند منبعی

۳ شیوه های پاکسازی داده

۱ ۳ تحلیل داده
۲ ۳ تعریف تبدیل داده
۳ ۳ حل تعارض

۴ حمایت ابزاری

۱ ۴ آنالیز داده و ابزارهای فنی مهندسی
۲ ۴ ابزارهای پاکسازی تخصصی
۳ ۴ ابزارهای ETL

۵ نتایج

نحوه خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
Introduction

Data cleaning, also called data cleansing or scrubbing, deals with detecting and removing errors and inconsistencies from data in order to improve the quality of data. Data quality problems are present in single data collections, such as files and databases, e.g., due to misspellings during data entry, missing information or other invalid data. When multiple data sources need to be integrated, e.g., in data warehouses, federated database systems or global web-based information systems, the need for data cleaning increases significantly. This is because the sources often contain redundant data in different representations. In order to provide access to accurate and consistent data, consolidation of different data representations and elimination of duplicate information become necessary. Data warehouses [6][16] require and provide extensive support for data cleaning. They load and continuously refresh huge amounts of data from a variety of sources so the probability that some of the sources contain “dirty data” is high. Furthermore, data warehouses are used for decision making, so that the correctness of their data is vital to avoid wrong conclusions.

نمونه چکیده ترجمه متن فارسی
مقدمه
پاکسازی داده که تنظیف یا حذف داده نیز نامیده می شود، مسئولیت خطا یابی و رفع آن و ناهمسانی ها داده به منظور ارتقاء کیفیت داده را برعهده دارد. در مجموعه های داده مانند فایل ها و پایگاههای داده، به خاطر غلط املایی در طول ثبت داده، از دست رفتن اطلاعات یا غیر معتبر بودن سایر داده ها ، مشکلاتی در کیفیت داده پدید می آید. وقتی لازم باشد چند منبع داده باهم تلفیق شوند، مثلاً در انبارهای داده، سیستم های پایگاه داده وابسته یا سیستم های اطلاعاتی اینترنتی جهانی ، در این شرایط نیاز به پاکسازی داده شدیداً افزایش می یابد. علت این امر آن است که در نمایشات مختلف، منابع اغلب محتوی داده های اضافی می باشند. به منظور دسترسی به داده های درست و همسان، تلفیق داده های مختلف و حذف اطلاعات المثنی الزامی می باشد. انبارهای داده نیاز شدیدی به حمایت از فرایند پاکسازی داده دارند. آنها مقادیر زیادی از داده های منابع مختلف را دائماً بارگذاری و تجدید می کنند، به همین خاطر احتمال وجود داده های بی ارزش در این منابع ، بالا می باشد. به علاوه، از انبارهای داده در فرایند تصمیم گیری نیز استفاده شده است، به گونه ای که برای جلوگیری از بروز نتایج غلط ، تصحیح داده ها الزامی می باشد.

بدون دیدگاه