بررسی روشهای تطابق فیلدها و رکوردها به منظور افزایش کیفیت داده ای درانبارداده ها

نحوه های مختلف ورود اطلاعات و افزودن رکوردهای تکراری میشود که این امر باعث افزایش حجم پایگاه داده می گردد رکوردهای تکراری کلید مشترک ندارند لیکن به یک موجودیت واحد اشاره دارند شناسایی رکوردهای تکراری یکی ازفعالیت های اصلی درپاک سازی و یکپارچه سازی داده ها شناسایی تکرار است پایگاه های داده هایی که این رکوردها را دربرمیگیرند معمولا خطاهایی را دربرمیگیرند که عبارتندازخطاهای تایپی اطلاعات ناقص نادیده گرفتن فرمت های استاندارد و یا هرترکیبی ازعاملهای فوق دراین راستا نیاز به بازیابی درست و کامل اطلاعات مورد نیاز به چشم می خورد کل روشهای مطرح شده برای تطابق فیلدها درسه دسته کلی دسته بندی خواهد شد که مبتنی برکاراکتر و مبتنی برتوکن و آوایی می باشد به دلیل گستردگی مطالب فقط دسته اول را بررسی میکنیم که بیشتر خطاهای تایپی را پوشش میدهند و بیشتر درحد کاراکتر بحث می کنند

کلیدواژه ها:

تطبیق فیلد ، تطبیق رکورد ، حذف رکورد تکراری ، کیفیت داده