实体识别问题的相关研究.docVIP

实体识别问题的相关研究 　　摘要：随着信息技术的发展，信息时代已经全面到来了。在信息“量”爆炸性增长的同时，近年来，“质”的问题也已经引起了产业界和研究人员的关注。“劣质”数据极大地降低了信息的可用性，提供给用户不精确的、缺失的、冗余的、陈旧的甚至是错误的信息，无法给用户带来正确的知识，并可能误导用户做出错误的决策，从而给用户造成损失。数据质量有六个主要维度：精确性、完整性、时效性、一致性、相关性和实体同一性。综述了数据质量中实体同一性方面的相关工作，并针对特定的技术展开讨论。 　　关键词：数据质量； 实体识别； 脏数据 　　中图分类号：TP311 文献标识码：A文章编号：2095-2163（2013）02-0001-06 　　0引言 　　随着信息技术的飞速发展，其应用已经遍及国民经济和社会实践的各个领域，由此宣示了信息时代的全面到来。在信息“量”爆炸性增长的同时，近年来，有关其“质”的系列问题也已经引起了产业界和学术圈的关注和重视。“劣质”的数据在很大程度降低了信息的可用性，可能给用户提供模糊、缺失、冗余、陈旧甚至是错误的信息，不但无法给用户带来正确的知识，并有可能误导用户做出错误的决策，从而给用户造成损失。数据统计表明，“劣质”数据每年给美国企业能带来超过6 000亿美元的经济损失；而美国零售行业的数据库中每年的错误价格数据信息都会给消费者带来约25亿美元的财产损耗。国