科研之友
微信
新浪微博
Facebook
分享链接
摘要
在信息爆炸时代，数据量与日剧增，使用数据挖掘技术可挖掘其内在联系，但前提是所使用的数据正确无误，否则其后的一切工作将毫无意义。数据溯源技术可帮助数据分析人员快速定位到错误数据的来源和加工过程，减少错误数据的分析时间和难度，对数据质量控制与可信管理具有重要价值。现有的元组级数据溯源方法存在存储开销大和溯源效率低的问题，文章使用词嵌入技术改进元组级数据溯源方法。首先，研究元组向量化编码机制，依据元组向量相似度识别元组溯源关系；其次，提出基于属性重要性的优化算法提高溯源的精确率；再次，引入近似最近邻搜索和元组过滤优化机制降低溯源时间复杂度；最后，采用有向无环图展示元组数据的溯源关系。实验结果表明，该方法精确率较高、时间复杂度较低、存储消耗较少，能够有效改进元组级数据溯源方法。
- 单位
