基于真值发现的冲突数据源质量评价算法

来源：浙江大学学报·工学版杂志2015年第2期北京时间：

作者：王继奎, 李少波

单位：1. 中国科学院 成都计算机应用研究所,四川 成都,610041；2. 贵州大学 现代制造技术教育部重点实验室,贵州 贵阳,550003

摘要：针对目前冲突数据源的质量评价模型仅考虑准确度与精确度2个方面,没有考虑数据源提供错误描述与提供空值对数据源质量会产生不同影响的情况,通过将数据源提供的错误描述定义为主动错误,并将数据源没有为实体提供描述定义为被动错误,从主动错误、被动错误2个方面建立数据源质量模型.该模型以敏感度、明确度代替了准确度与精确度；为了处理多真值问题,预先合并数据源对实体的描述,并定义了合并描述的包含关系及包含度计算模型；在包含度计算模型的基础上,提出了基于描述包含度的冲突数据源质量评价算法(TFDQ).在通用数据集Books-Authors上的实验表明,与Vote算法、TruthFinder算法相比,TFDQ算法实验结果更接近真实情况.

关键词：

基金资助：国家自然科学基金资助项目（51475097）；国家“十二五”科技支撑计划项目（2012BAF12B14）；贵州省科技资助项目（黔科合JZ字［2014］2001,黔科合计Z字［2012］4009）