[发明专利]一种无监督的数据自动清洗方法有效
| 申请号： | 201811325335.5 | 申请日： | 2018-11-08 |
| 公开（公告）号： | CN109491991B | 公开（公告）日： | 2022-03-01 |
| 发明（设计）人： | 李玲;唐军;吴纯彬;于跃;陈秋宇 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06F16/215 | 分类号： | G06F16/215;G06K9/62 |
| 代理公司： | 四川省成都市天策商标专利事务所(有限合伙) 51213 | 代理人： | 吴瑞芳 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种无监督的数据自动清洗方法，包括以下步骤：A.数据模型学习，从可能包含无效数据的原始数据中学习属性之间的依赖关系，通过找出隐含的非绝对的或者相对较弱的依赖关系，得到用贝叶斯网络的形式表示的数据模型；B.数据清洗规则的生成；在得到原始数据或者原始数据采样的完整的数据模型之后即进行数据清洗规则的生成，并具体生成谓词和一阶谓词规则；C.基于步骤B中生成的谓词和一阶谓词规则生成马尔科夫逻辑网络；D.基于步骤C中生成的马尔科夫逻辑网络进行推理规则的生成和基于推理结果进行数据的清洗。本发明的方法可实现在无需耗费大量人力物力的情况下有效提高公司各业务系统的数据质量，有助于管理层做出正确决策。 | ||
| 搜索关键词： | 一种 监督 数据 自动 清洗 方法 | ||
【主权项】：
1.一种无监督的数据自动清洗方法，其特征在于，包括以下步骤：A.数据模型学习，从可能包含无效数据的原始数据中学习属性之间的依赖关系，通过找出隐含的非绝对的或者相对较弱的依赖关系，得到用贝叶斯网络的形式表示的数据模型；B.数据清洗规则的生成；在得到原始数据或者原始数据采样的完整的数据模型之后即进行数据清洗规则的生成，并具体生成谓词和一阶谓词规则；C.基于步骤B中生成的谓词和一阶谓词规则生成马尔科夫逻辑网络；D.基于步骤C中生成的马尔科夫逻辑网络进行推理规则的生成和基于推理结果进行数据的清洗。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811325335.5/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
