随着信息技术的快速发展,管理者在进行决策分析和制定时不能单纯依靠以往的经验,必须借助必要的数据来进行科学的管理。这导致管理人员进行决策分析时对数据的依赖性更加强烈。为了使分析尽可能的准确,人们提出了建立数据仓库的要求。但是在构建数据仓库的过程中,会不可避免的存在各种各样的数据质量问题,这必然会影响数据仓库前端的决策支持系统产生错误的分析结果。为了过滤掉这些质量问题,必须对其进行数据清洗来提高数据质量。数据清洗已经成为数据仓库、数据挖掘以及网络数据处理领域的一个重要课题。本文首先对数据清洗知识进行全面和详细的描述,介绍了数据清洗的概念、意义和国内外研究与应用现状。对数据清洗技术的原理、方法、评价标准以及基本流程进行了分析和总结。本文对属性清洗及重复记录清洗所用到的技术和各种算法进行了分析和总结。本文还介绍了领域本体以及本体表示语言——OWL等相关知识,并重点研究如何结合领域本体知识来进行数据清洗。针对传统知识库表示的局限性,本文通过分解和重组领域知识,建立网状结构的知识库,其中叶子结点对应具体知识实例,称为原子知识,非叶子结点只对应知识概念。同时提出相关的数据清洗算法,根据用户的选择,自动提取原子知识进行分析,消除重复,按照处理权重建立原子知识序列,然后逐一对数据进行清洗。实验表明,该算法能有效优化用户的请求,减少对海量数据的遍历次数,海量数据的清洗效率明显提高。