大數(shù)據(jù)集成

叢書前言
譯者序
前言
第1章 大數(shù)據(jù)集成的挑戰(zhàn)和機(jī)遇1
1.1 傳統(tǒng)數(shù)據(jù)集成2
1.1.1 航班示例：數(shù)據(jù)源2
1.1.2 航班示例：數(shù)據(jù)集成7
1.1.3 數(shù)據(jù)集成：體系結(jié)構(gòu)和三個(gè)主要步驟10
1.2 大數(shù)據(jù)集成：挑戰(zhàn)12
1.2.1 “V”維度13
1.2.2 案例研究：深網(wǎng)數(shù)據(jù)量15
1.2.3 案例研究：抽取的領(lǐng)域數(shù)據(jù)18
1.2.4 案例研究：深網(wǎng)數(shù)據(jù)的質(zhì)量22
1.2.5 案例研究：淺網(wǎng)結(jié)構(gòu)化數(shù)據(jù)25
1.2.6 案例研究：抽取的知識(shí)三元組28
1.3 大數(shù)據(jù)集成：機(jī)遇30
1.3.1 數(shù)據(jù)冗余性31
1.3.2 長數(shù)據(jù)32
1.3.3 大數(shù)據(jù)平臺(tái)33
1.4 章節(jié)安排33
第2章 模式對(duì)齊34
2.1 傳統(tǒng)模式對(duì)齊：快速導(dǎo)覽35
2.1.1 中間模式35
2.1.2 屬性匹配36
2.1.3 模式映射37
2.1.4 查詢問答38
2.2 應(yīng)對(duì)多樣性和高速性的挑戰(zhàn)39
2.2.1 概率模式對(duì)齊39
2.2.2 按需集成用戶反饋52
2.3 應(yīng)對(duì)多樣性和海量性的挑戰(zhàn)54
2.3.1 集成深網(wǎng)數(shù)據(jù)55
2.3.2 集成Web表格59
第3章 記錄鏈接68
3.1 傳統(tǒng)記錄鏈接：快速導(dǎo)覽69
3.1.1 兩兩匹配71
3.1.2 聚類72
3.1.3 分塊74
3.2 應(yīng)對(duì)海量性挑戰(zhàn)76
3.2.1 使用MapReduce并行分塊77
3.2.2 meta-blocking：修剪兩兩匹配83
3.3 應(yīng)對(duì)高速性挑戰(zhàn)88
3.4 應(yīng)對(duì)多樣性挑戰(zhàn)95
3.5 應(yīng)對(duì)真實(shí)性挑戰(zhàn)100
3.5.1 時(shí)態(tài)記錄鏈接100
3.5.2 具有唯一性約束的記錄鏈接107
第4章 大數(shù)據(jù)集成：數(shù)據(jù)融合113
4.1 傳統(tǒng)數(shù)據(jù)融合：快速導(dǎo)覽114
4.2 應(yīng)對(duì)真實(shí)性挑戰(zhàn)116
4.2.1 數(shù)據(jù)源的準(zhǔn)確度117
4.2.2 值為真的概率118
4.2.3 數(shù)據(jù)源之間的復(fù)制關(guān)系121
4.2.4 端到端的解決方案128
4.2.5 擴(kuò)展性和適應(yīng)性131
4.3 應(yīng)對(duì)海量性挑戰(zhàn)134
4.3.1 基于MapReduce框架做離線融合135
4.3.2 在線數(shù)據(jù)融合136
4.4 應(yīng)對(duì)高速性挑戰(zhàn)142
4.5 應(yīng)對(duì)多樣性挑戰(zhàn)146
第5章 大數(shù)據(jù)集成：出現(xiàn)的新問題149
5.1 眾包的角色149
5.1.1 利用傳遞關(guān)系150
5.1.2 眾包端到端的工作流155
5.1.3 未來的工作158
5.2 數(shù)據(jù)源選擇158
5.2.1 靜態(tài)數(shù)據(jù)源160
5.2.2 動(dòng)態(tài)數(shù)據(jù)源162
5.2.3 未來的工作166
5.3 數(shù)據(jù)源分析166
5.3.1 Bellman系統(tǒng)167
5.3.2 概述數(shù)據(jù)源170
5.3.3 未來的工作174
第6章 結(jié)論175
參考文獻(xiàn)177
索引184