关系数据中函数依赖检测方法

在数据质量研究中函数依赖被广泛用于关系数据不一致性的修复.然而,不一致修复问题面临的一个主要挑战是如何从包含有错误的关系数据中自动发现有效的函数依赖(Functional Dependence,FD).目前基于统计度量置信度的FD自动发现方法经常找出大量近似成立但无效的FD.如果直接利用这些FD修复数据,会产生更多错误.针对该问题,文中提出了一种基于数据语义分析的函数依赖检测方法.该方法通过条件概率来分析属性值和元组的数据置信度,进而计算函数依赖成立的置信度.文中同时提出了利用关系数据构建马尔科夫毯贝叶斯网络用以计算数据置信度的方法.最后文中通过实验在模拟数据和真实数据上验证了基于数据语义的置信度计算方法在自动检测中的精确度优于基于统计的计算方法,并且在交互式检测应用场景中数据语义的置信度所需用户工作量少于基于统计的方法.

一种基于节点信息复制与查询热点的Chord改进算法

Chord算法的改进一般是通过改善其路由表结构或者修改其查询算法。由于修改路由表结构的方法在降低平均查询跳数与时间的同时通常增加了路由表长度,使得Chord在维护时占用更多的带宽且改善效果并不理想。通过分析Chord在查询过程中的路由特点,提出一种基于节点信息复制和查询热点的改进算法CH-Chord,并通过仿真实验证明该算法在减少平均查询跳数、查询时间、查询失败率的同时并没有增加Chord稳定时的维护消耗。

基于可能世界模型的关系数据不一致性的修复

针对关系数据的不一致性虽然已有各种修复方法被提出,但这些修复策略在构建最终修复方案的过程中只分析函数依赖包含属性的信息(即,数据集的部分信息),且偏向于修复代价最小的方案,而忽略了数据集的其他属性以及这些属性与函数依赖包含属性之间的相关性.为此,提出一种基于可能世界模型的不一致性修复方法.它首先构造可能的修复方案,然后从修复代价和属性值相关性两个方面量化各个候选修复方案的可信性程度,并最后找出最优的修复方案.实验结果验证了所提出的修复方法取得了比现有基于代价的修复方法更好的修复效果.同时也分析了错误率和不同类型概率量化对所提出的修复方法的影响.

一种基于近似因子的在线概率知识库推理方法

概率知识库中的推理技术是近年来的研究热点.目前,大多数系统的推理主要基于批处理的方式实现,并不适用于在线查询场景.对此,提出了一种基于近似因子的在线概率知识库推理方法.它可以重复利用已推断结果计算查询变量的边缘概率.该算法首先提取查询变量的子图(含已推断变量);然后,在此子图上添加近似因子,以模拟子图外其余变量的影响;最后,采用团树算法推断查询变量的边缘概率.实验结果表明:相对于已有算法,该算法可在时间和精度上取得较好的权衡.

曹雪芹与李贺

《红楼梦》的作者曹雪芹(约公元一七一五年——一七六三年)没有留下传记材料。我们要了解曹雪芹的生平及其思想,主要参考材料之一是他的朋友敦敏、敦诚等人写的诗文。我们从敦诚的《四松堂集》中。