知识卡片

普通读书笔记卡 · 3900.a

误合并比重复更危险

理解等级:未标注

实体匹配的两类错误代价不对称:漏合并会留下重复记录,通常较易发现和清理;误合并会污染彼此属性,之后难以自动拆分。证据不足时应暂缓自动合并,避免把可见重复变成隐蔽错误。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第20章 连接数据 · 查看原书依据

      决。更严重的后果是由于两个不同事物有相同的名字或者一些其他不足以确定“身份”的属性而导致不正确地确定它们是相同的事物。这种方式更危险的原因是一旦数据库中的事物不正确地合并在一起,在不需要太多人工介入的情况下,我们就没有很简单的方式来解决掉这些问题。 在威斯康星州(美国)有7个城镇名字叫“富兰克林”,其

    参考来源

    - 位置:《数据之美》第20章《连接数据》(源文件:../程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0450.xhtml) - 结论依据:原文区分未能合并造成重复与错误合并造成信息混杂,并指出后者难以自动拆分,支持保守匹配的风险权衡。 - 原始内容:一旦数据库中的事物不正确地合并在一起