深度聚类用于数据清洗和集成
摘要：深度学习（DL）技术现在已成为文本和图像处理等重要问题的最前沿技术，并且在几个数据管理任务中，部署DL已经取得了重大的成果。深度聚类（DC）最近作为DL的一个子学科出现，其中数据表示与聚类一起学习，旨在自动识别导致改进聚类结果的数据特征。尽管DC在多个领域，特别是图像处理方面取得了良好的效果，但DC对主流数据管理任务的影响仍未被探索。在本文中，我们填补了这一空白，通过调查DC在基本数据清理和集成任务中的影响，包括模式推断、实体消解和领域发现，这些任务分别代表了表、行和列的聚类。在这个设置中，我们使用标准基准测试比较和对比了几种DC和非DC的聚类算法。结果显示，最有效的DC算法在数据集成任务中始终优于非DC聚类算法。然而，我们还观察到，选择的行、列和表的嵌入方法显著影响了聚类性能。
作者：Hafiz Tayyab Rauf, Norman W. Paton and Andre Freitas
论文ID：2305.13494
分类：Databases
分类简称：cs.DB
提交时间：2023-05-24