ارائهی روش اعتبارسنجی دادهها مبتنی بر هستی شناسی در پایگاهدادهها

در دنیای امروزی، استفاده ی وسیع و رو به رشد از سیستم های اطلاعاتی کامپیوتری، منجر به پایگاه داده هایی با حجم عظیم از داده ها می گردد. حفظ و ارتقای کیفیت این مقادیر کلان از داده ها، امری ضروری و اجتناب ناپذیر می باشد. موضوع پاکسازی داده ها به منظور ارتقای کیفیت داده ها مطرح گردیده است. اعتبارسنجی یکی از گام های اصلی در فرآیند پاکسازی داده ها می باشد که برای تشخیص داده ها ی دارای خطا، اطلاعات ناقص یا نادرست به کار می رود. وجود خطا در داده ها منجر به کاهش کیفیت داده ها و دقت در فرآیند پاکسازی داده ها می گردد، بنابراین نیاز به استفاده از یکسری تکنیک های هوشمند به چشم می خورد تا بتوان از طریق آنها و به طور خودکار، داده های معتبر و نامعتبر را تشخیص داد. با توجه به حجم عظیم و روز افزون داده ها، بررسی صحت داده ها، با روش های دستی غیر ممکن است. اغلب روش های موجود، نظیر اعتبارسنج های استاتیک وابسته به حوزه می باشند و نیاز به بررسی داده ها و تعریف دستی قوانین اعتبارسنجی توسط افراد خبره وجود دارند. به منظور حل مشکلات موجود، روش اعتبارسنجی مبتنی بر هستان شناسی پیشنهاد می گردد. با توجه به اینکه فیلد به عنوان واحد پایه ی اطلاعات در پایگاه های داده مطرح می-گردد، بنابراین روش پیشنهادی برای اعتبارسنجی داده ها در سطح فیلد ارائه شده است. این روش، از اطلاعات هستان شناسی عناوین فیلدها، به منظور تعیین موارد معتبر و نامعتبر در مقادیر فیلدها بهره می برد. با انجام یک سری آزمایش ها، اجرای الگوریتم پیشنهادی و مقایسه با روش های موجود بر روی داده های یکسان و واقعی، می توان به این نتیجه رسید که با اجرای الگوریتم پیشنهادی، معیار کارایی دقت در مقایسه با روش های موجود، حداقل 25/1 درصد و حداکثر 7/8 درصد افزایش یافته است. معیار کارایی بازخوانی روش پیشنهادی، حداقل 00/1 درصد و حداکثر 1216/7 درصد افزایش یافته است. معیار کارایی Fدر روش پیشنهادی، حداقل 18/1 درصد و حداکثر 918/7 درصد افزایش یافته است.

کلیدواژه ها:

اعتبارسنجی ، هستی شناسی ، پاکسازی داده ، فیلد ، پایگاه داده ها