43、数据质量测量与频繁模式挖掘中的不确定性处理

数据质量测量与频繁模式挖掘中的不确定性处理

在当今的数据处理领域，不确定性是一个不可忽视的问题。无论是数据质量测量，还是频繁模式挖掘，都可能面临数据不精确、信息不足等导致的不确定性。下面我们将深入探讨这两个方面的相关内容。

数据质量测量中的可能性处理

在数据质量测量中，当涉及到对谓词进行评估时，常常会遇到不确定性。例如，在某些情况下，谓词可能无法精确表述，像评估数据库中实体间的关系基数时，“一对多”和“多对多”等概念就难以精确量化。这种情况下，可能性理论可以用来建模谓词评估的不确定性。

1. 相关属性

   • 完全不确定性（属性2） ：对于谓词“u是L”，当u为null值时，有$p^-(u) = (1, 1)$且$p^+(u) = (1, 1)$。这表明当没有任何信息时，会出现完全的不确定性。此属性建立了信息与不确定性之间的某种一致性，也使该方法与使用EP和归一化隶属度有所区别。
   • 边界值（属性3） ：当$\mu_L(u) = 1$时，$p^-(u) = p^+(u) = (1, 0)$；当$\mu_L(u) = 0$时，$p^-(u) = p^+(u) = (0, 1)$。
   • 三值性（属性4） ：若$supp(\mu_L) = core(\mu_L)$，则$p^-(u) \in {(1, 0), (1, 1), (0, 1)}$且$p^+(u) \in {(1, 0), (1, 1), (0, 1)}$。