.png){kind=icon}
返回
Measuring approximate functional dependencies: a comparative study
.png){kind=icon}
PRE
AI
DOI：10.1007/s00778-025-00931-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近似函数依赖（缩写：AFDs）是那些在关系中“近似”成立的函数依赖（FDs）。尽管已提出多种度量方法来量化一个FD近似成立的程度，但这些方法难以比较，且在需要从实际数据中发现FDs时（即数据仅近似满足FD），哪种度量更优尚不明确。为应对此问题，本文对AFD度量进行了正式的定性比较。我们通过一种新颖的方式，以香农熵和逻辑熵为基础对度量方法进行表述，从而实现正式比较。在定性方面，我们针对输入关系结构的特性进行了敏感性分析。在定量方面，我们研究了AFD度量在真实数据上对线性AFDs进行排序的有效性。基于此分析，我们给出了关于在实践中选择使用哪种AFD度量的明确建议。
Keyword:
Functional dependencies
Data cleaning
Data profiling
期刊
IF:
3.8
论文数:
84
被引数:
2.4K
机构
引用论文
分享收藏
Discovering Reliable Approximate Functional Dependencies.png)
Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏A Statistical Perspective on Discovering Functional Dependencies in Noisy Data从统计角度看在噪声数据中发现函数依赖性OAAI
OAAI分享收藏
查看更多内容