ANMAT: Automatic Knowledge Discovery and Error Detection through Pattern Functional Dependencies
ANMAT: Automatic Knowledge Discovery and Error Detection through Pattern Functional Dependencies
复制标题
ANMAT：通过模式功能依赖性自动知识发现和错误检测
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
M. Stonebraker
中科院分区：
文献类型：
--
作者：
A. Qahtan;N. Tang;M. Ouzzani;Yang Cao;M. Stonebraker
知识发现对于成功的数据分析至关重要。我们提出了一种新型的元知识类型，即模式函数依赖性（PFD），该依赖性（PFD）结合了模式（或类似正则式规则）和完整性约束（ICS），以模拟部分值（或模式）之间的依赖关系（或元知识） ）跨表中的不同属性。 PFD超出了经典的功能依赖性及其扩展。例如，在员工表中，ID“ F-9-107'” F'确定财务部门。此外，PFD的关键应用是使用它们来识别错误的数据。违反某些PFD的元组。在此演示中，与会者将体验以下功能：（i）PFD Discovery-自动从不同域中的（脏）数据发现PFD； （ii）使用PFD检测错误 - 我们将显示由PFD检测到但无法通过现有方法捕获的错误。
Knowledge discovery is critical to successful data analytics. We propose a new type of meta-knowledge, namely pattern functional dependencies (PFDs), that combine patterns (or regex-like rules) and integrity constraints (ICs) to model the dependencies (or meta-knowledge) between partial values (or patterns) across different attributes in a table. PFDs go beyond the classical functional dependencies and their extensions. For instance, in an employee table, ID "F-9-107', "F' determines the finance department. Moreover, a key application of PFDs is to use them to identify erroneous data; tuples that violate some PFDs. In this demonstration, attendees will experience the following features: (i) PFD discovery -- automatically discover PFDs from (dirty) data in different domains; and (ii) Error detection with PFDs -- we will show errors that are detected by PFDs but cannot be captured by existing approaches.
影响因子：
1.8
作者：
Fan, Wenfei;Geerts, Floris;Kementsietsidis, Anastasios
通讯作者：
Kementsietsidis, Anastasios