关于数据就绪度的首次研究
信息检索
2017-02-08 v1 综合文献
摘要
我们引入数据就绪度（Data Readiness Level, DRL）的概念，用以衡量数据的相对丰富程度，以回答数据科学家常遇到的特定问题。我们首先以最一般的形式探讨该问题，阐释其期望的数学性质与应用，随后提出并研究两种 DRL 度量。具体而言，我们将 DRL 定义为数据至少四个属性的函数：噪声度（Noisiness）、可信度（Believability）、相关性（Relevance）与一致性（Coherence）。基于信息论的度量——余弦相似度（Cosine Similarity）与文档差异度（Document Disparity）——被提出作为单条数据的相关性与一致性的指标。所提度量通过使用 Twitter 数据的基于文本的实验得到验证。
引用
@article{arxiv.1702.02107,
title = {First Study on Data Readiness Level},
author = {Hui Guan and Thanos Gentimis and Hamid Krim and James Keiser},
journal= {arXiv preprint arXiv:1702.02107},
year = {2017}
}
备注
9 pages