[發明專利]用于基于知識的數據質量解決方案的域

有效

• 申請號: 201210435087.6
• 申請日: 2012-11-02
• 公開（公告）號: CN102982097B
• 公開（公告）日: 2018-01-16
• 發明（設計）人: J·瑪爾卡;E·齊克利克;E·胡迪斯;M·拉維夫;G·皮萊格;D·法伊比希
• 申請（專利權）人: 微軟技術許可有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海專利商標事務所有限公司31100
• 代理人: 陳斌

1.一種用于數據質量解決方案的系統，包括：

配置成采集關于第一數據集和第二數據集的數據信息的訪問模塊(340)；

配置成針對所述第一數據集和所述第二數據集創建一個或多個域的域創建模塊(385)，其中至少一個域是包括多個基本域的合成域，所述基本域的每一個包括所述第一數據集或所述第二數據集的屬性、與所述第一數據集或所述第二數據集相關聯的數據質量問題、以及核心值列表、錯誤列表、同義字列表、驗證規則的至少一個，且所述多個基本域之間的關系在所述合成域內被定義；以及

配置成集聚所述一個或多個域并用集聚后的域填充知識庫(330)的編譯模塊(390)，其中所述知識庫(330)用于處理一個或多個數據質量集。

2.如權利要求1所述的系統，其特征在于，所述域創建模塊(385)被配置成因變于數據或數據的屬性來創建所述域。

3.如權利要求1所述的系統，其特征在于，所述域創建模塊(385)被進一步配置成創建基本域。

4.如權利要求1所述的系統，其特征在于，跨兩個或更多個所述基本域應用至少一個規則。

5.如權利要求1所述的系統，其特征在于，所述訪問模塊(340)被配置成通過輔助的知識采集過程采集數據信息。

6.如權利要求1所述的系統，其特征在于，所述知識庫(330)包括封裝為單個可移動單元的多個域。

7.如權利要求1所述的系統，其特征在于，所述知識庫(330)以可共享和可下載格式儲存。

8.如權利要求1所述的系統，其特征在于，進一步包括：

配置成獲取關于第一數據集和第二數據集的語義信息的采集模塊(220)；

配置成部分地基于所述語義信息標識所述第一數據集和所述第二數據集之間的重復數據的匹配模塊(440)；以及

配置成與所述第一數據集和所述第二數據集的組合大致同時地合并所標識出的重復數據的合并模塊(450)。

9.如權利要求1所述的系統，其特征在于，進一步包括配置成捕捉與所述第一數據集和所述第二數據集的屬性相關的歷史信息的歷史模塊(370)，其中所述歷史信息被包括在域中。

10.如權利要求1所述的系統，其特征在于，進一步包括配置成捕捉與關聯于所述第一數據集和所述第二數據集的源的數據質量度量相關的統計信息的統計模塊(375)，其中所述統計信息被包括在域中。

11.如權利要求1所述的系統，其特征在于，進一步包括配置成作出與所述第一數據集或所述第二數據集相關的一個或多個推斷的推斷模塊(380)，其中所述一個或多個推斷被包括在域中。

12.一種方法，包括：

獲取(1500)與屬性和參考數據服務提供者相關聯的參考數據；

針對每個屬性創建(1510)多個域，其中所述多個域中的每一個包括屬性和與該屬性相關聯的參考數據，其中至少一個域是包括多個基本域的合成域，所述基本域的每一個包括第一數據集或第二數據集的屬性、與所述第一數據集或所述第二數據集相關聯的數據質量問題、以及核心值列表、錯誤列表、同義字列表、驗證規則的至少一個，且所述多個基本域之間的關系在所述合成域內被定義；以及

將所述多個域的編譯儲存(1520)為知識庫。

13.如權利要求12所述的方法，其特征在于，所述獲取包括獲取對所述屬性的參考數據定義。

14.如權利要求12所述的方法，其特征在于，所述獲取包括使規則和所述屬性的一個或多個相關聯。

15.如權利要求12所述的方法，其特征在于，所述創建包括創建基本域，所述基本域包括與所述屬性相關聯的數據質量問題。