王宏志，哈尔滨工业大学计算机科学与技术学院教授、博士生导师，青年龙江学者。其研究方向为大数据、数据科学、数据管理与分析。在VLDB, SIGMOD等国内外重要会议和期刊发表学术论文200余篇，出版学术专著两本，先后主持国家自然科学基金重点项目等10余个项目。获得黑龙江省自然科学一等奖、教育部高等学校科技进步一等奖、黑龙江省青年科技奖等奖励和荣誉。任ACM SIGMOD中国秘书长、中国数据库专业委员会常务委员、ACM数据科学学科标准编写组专家。

本书主要介绍了大数据清洗方面的研究成果。全书共分7章，重点面向大数据清洗中计算困难、错误混杂、缺少知识等难题，针对实体识别、真值发现、缺失值填充、不一致检测与修复等问题提出了相应的技术和算法，并在第7章提出了多数据质量问题综合清洗与优化技术。
本书可作为高等院校和科研机构大数据、数据质量管理、数据治理等方面的教学和科研参考书。

第 1章 绪论 1
1．1 大数据的定义及其应用 2
1．2 数据质量问题 4
1．3 大数据的质量问题与挑战 12
1．4 数据清洗研究进展 13
1．5 本书的内容 16
本章参考文献 17
第　2章 大数据处理技术概述 21
2．1 大数据并行计算平台 22
2．2 众包技术 26
本章参考文献 29
第3章　实体识别 30
3．1 实体识别概述 31
3．2 串行实体识别算法 35
3．3 并行实体识别算法 45
3．4 增量实体识别算法 77
3．5 基于众包的实体识别 94
本章参考文献 100
第4章　真值发现 107
4．1 真值发现算法概述 108
4．2 并行真值发现算法 109
4．3 增量真值发现算法 127
4．4 基于众包的真值发现 140
本章参考文献 144
第5章　缺失值填充 145
5．1 缺失值填充算法概述 146
5．2 基于贝叶斯网络的串行缺失值填充算法 150
5．3 实验结果及分析 175
5．4 并行缺失值填充算法 182
5．5 基于众包的缺失值填充算法 196
本章参考文献 202
第6章　不一致数据检测与修复 205
6．1 不一致数据检测与修复概述 206
6．2 并行不一致数据检测与修复算法 211
6．3 基于众包的不一致数据检测与修复算法 225
6．4 扫描数据一次的大数据不一致检测算法 229
本章参考文献 244
第7章　多数据质量问题综合清洗与优化 249
7．1 数据质量维度的关联 250
7．2 基于任务合并的并行数据清洗优化 274
7．3 综合大数据清洗系统 293
本章参考文献 303
名词索引　307