[发明专利]一种数据库近似字典规则的挖掘方法、系统及数据库终端

说明书

技术领域

本发明涉及近似字典规则挖掘领域，尤其涉及一种数据库近似字典规则的挖掘方法、系统及数据库终端。

背景技术

随着互联网的快速发展和社会各领域信息化水平的提高，数据量正以史无前例的速度井喷，人类正在进入大数据时代。大数据时代的特征是数据量更大，数据来源更复杂，数据更新速度更快，数据质量良莠不齐，仅靠人工手段几乎无法进行数据质量管理。数据管理领域正孕育着大变革、大突破，已经商用的技术基本停留在手工的、基于经验的第二代数据质量管理阶段，自动化的、基于严谨理论体系的第三代数据质量管理商用系统还没有出现。自动化的管理体系中一个重要的内容就是自动化的数据质量挖掘规则，其中一类规则就是字典规则，特别是近似字典规则。

如考虑如下表所示的部分邮政编码数据，根据规则{区县编码，014060}＝＞{邮政编码，014060}，表明当区县编码为014060时，90％情况下邮政编码为014060，另外10％数据(010460)则是可疑的，很可能是数据错误。

  邮政编码  省份编码  地区编码  区县编码  地址  014060  15  0140  014060  万泉街  014060  15  0140  014060  三道沙河村  014060  15  0140  014060  二道沙河西村  014060  15  0140  014060  健康路  014060  15  0140  014060  健新街  014060  15  0140  014060  兴胜镇  014060  15  0140  014060  转龙街  014060  15  0140  014060  果园北街  014060  15  0140  014060  果园南街  010460  15  0140  014060  新城镇