Data and Information Quality: Dimensions, Principles and Techniques

ویرایش: 1 
نویسندگان: Carlo Batini. Monica Scannapieco (auth.)  
سری: Data-Centric Systems and Applications 
ISBN (شابک) : 9783319241043, 9783319241067 
ناشر: Springer International Publishing 
سال نشر: 2016 
تعداد صفحات: 520 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

قیمت کتاب (تومان) : 52,000



این کتاب توصیفی سیستماتیک و مقایسه ای از تعداد زیادی از مسائل تحقیقاتی مرتبط با کیفیت داده ها و اطلاعات ارائه می دهد. این کار را با ارائه یک نمای کلی، یکپارچه و جامع از وضعیت هنر و توسعه آینده داده ها و کیفیت اطلاعات در پایگاه های داده و سیستم های اطلاعاتی انجام می دهد.

برای این منظور، توصیف گسترده ای از تکنیک هایی که هسته تحقیقات کیفیت داده ها و اطلاعات را تشکیل می دهند، از جمله پیوند رکورد (که شناسایی شی نیز نامیده می شود)، یکپارچه سازی داده ها، محلی سازی و تصحیح خطا، و تکنیک های مرتبط را در یک چارچوب روش شناختی جامع و اصلی بررسی می کند. تعاریف بعد کیفیت و مدل های اتخاذ شده نیز به تفصیل تجزیه و تحلیل می شوند و تفاوت های بین راه حل های پیشنهادی برجسته و مورد بحث قرار می گیرند. علاوه بر این، در حالی که به طور سیستماتیک داده ها و کیفیت اطلاعات را به عنوان یک حوزه تحقیقاتی مستقل توصیف می کنند، پارادایم ها و تأثیرات ناشی از سایر حوزه ها، مانند نظریه احتمال، تجزیه و تحلیل داده های آماری، داده کاوی، نمایش دانش، و یادگیری ماشین نیز گنجانده شده است. نکته آخر، این کتاب همچنین راه‌حل‌های بسیار کاربردی، مانند روش‌شناسی، معیارهایی برای مؤثرترین تکنیک‌ها، مطالعات موردی، و مثال‌ها را برجسته می‌کند.

این کتاب عمدتاً برای محققان در زمینه های پایگاه های داده و مدیریت اطلاعات یا در علوم طبیعی که علاقه مند به بررسی ویژگی های داده ها و اطلاعاتی هستند که بر کیفیت آزمایش ها، فرآیندها و زندگی واقعی تأثیر دارند. مطالب ارائه شده نیز به اندازه کافی برای دوره های کارشناسی ارشد یا دکترا مستقل است و تمامی مبانی و موضوعات را بدون نیاز به کتاب های درسی دیگر پوشش می دهد. مدیران و دست اندرکاران سیستم داده و اطلاعات که با سیستم هایی که در معرض مسائل کیفی داده قرار دارند سروکار دارند و در نتیجه نیاز به نظام مندی حوزه و روش های عملی در این حوزه دارند، از ترکیب رویکردهای عملی ملموس با فرمالیسم های نظری صحیح نیز بهره مند خواهند شد.

This book provides a systematic and comparative description of the vast number of research issues related to the quality of data and information. It does so by delivering a sound, integrated and comprehensive overview of the state of the art and future development of data and information quality in databases and information systems.

To this end, it presents an extensive description of the techniques that constitute the core of data and information quality research, including record linkage (also called object identification), data integration, error localization and correction, and examines the related techniques in a comprehensive and original methodological framework. Quality dimension definitions and adopted models are also analyzed in detail, and differences between the proposed solutions are highlighted and discussed. Furthermore, while systematically describing data and information quality as an autonomous research area, paradigms and influences deriving from other areas, such as probability theory, statistical data analysis, data mining, knowledge representation, and machine learning are also included. Last not least, the book also highlights very practical solutions, such as methodologies, benchmarks for the most effective techniques, case studies, and examples.

The book has been written primarily for researchers in the fields of databases and information management or in natural sciences who are interested in investigating properties of data and information that have an impact on the quality of experiments, processes and on real life. The material presented is also sufficiently self-contained for masters or PhD-level courses, and it covers all the fundamentals and topics without the need for other textbooks. Data and information system administrators and practitioners, who deal with systems exposed to data-quality issues and as a result need a systematization of the field and practical methods in the area, will also benefit from the combination of concrete practical approaches with sound theoretical formalisms.

Front Matter....Pages i-xxviii
Introduction to Information Quality....Pages 1-19
Data Quality Dimensions....Pages 21-51
Information Quality Dimensions for Maps and Texts....Pages 53-86
Data Quality Issues in Linked Open Data....Pages 87-112
Quality of Images....Pages 113-135
Models for Information Quality....Pages 137-154
Activities for Information Quality....Pages 155-175
Object Identification....Pages 177-215
Recent Advances in Object Identification....Pages 217-277
Data Quality Issues in Data Integration Systems....Pages 279-307
Information Quality in Use....Pages 309-352
Methodologies for Information Quality Assessment and Improvement....Pages 353-402
Information Quality in Healthcare....Pages 403-419
Quality of Web Data and Quality of Big Data: Open Problems....Pages 421-449
Erratum to: Data and Information Quality: Dimensions, Principles and Techniques....Pages E1-E1
Back Matter....Pages 451-500