论文研究有效解决数据缺失问题的聚集查询算法.pdf

近年来，工业界和学术界面临着非常严重的数据缺失问题，缺失值极大降低了数据可用性。现有的缺失值填充技术需要较大的时间开销，很难满足大数据查询实时性的需求，为此，研究在有缺失值的情况下高效处理聚集查询，将基于采样的近似聚集查询处理与缺失值填充技术有效的结合，快速返回满足用户需求的聚集结果。采用基于块（block-level）的采样策略，在采集到的样本上进行缺失值填充，并根据缺失值填充的结果重构得到聚集结果的无偏估计。真实数据集和合成数据集上的实验结果表明，该文的方法比当前最好的方法在保证相同精度的前提下，大大提升了查询效率。