Lab12：建立知識庫

這個練習示範如何透過知識探索（knowledge discovery）來建立知識庫（KB），並且在知識庫中進行定義域的維護工作。

建立探索用的測試資料

通常知識庫會以知識探索的方式當做開端，由系統先幫我們探索符合定義域的值。

為了執行知識探索，底下我們先建立一個測試資料，內容包含所有可能的 CountryRegion、StateProvince、City 資料。

在 DQS_STAGING_DATA 資料庫中建立以下檢視，用以取得 AdventureWorksDW2012.DimGeography 資料表中的所有 CountryRegion、StateProvince、City 可能資料。

CREATE VIEW dbo.vCountryStateCity
AS
SELECT DISTINCT
	EnglishCountryRegionName AS CountryRegion,
	StateProvinceName AS StateProvince,
	City 
FROM 
	AdventureWorksDW2012.dbo.DimGeography;

建立知識庫(KB)

接下來的練習將以上面所建立的測試資料當做探索對象，以便建立知識庫。

1. 新增知識庫

在［Data Quqlity Client］的［知識庫管理］項目中［新增知識庫］。

2. 使用[知識探索]活動

將知識庫的活動設定為[知識探索]。

3. 設定探索資料來源

4. 加入定義域（Domain）

在［對應］頁籤中，你要針對你要探索的資料欄位，設定一個相對應的定義域來記錄。
在這個例子中，我們針對來源資料中的三個資料行，都設定一個相對應的定義域。

依照下表新增三個定義域設定：

定義域名稱	資料類型	使用前置值	字串標準化	啟用拼字檢查	停用語法錯誤演算法	輸出格式	語言
City	String	Ｖ	Ｖ		V	無	英文
State	String	Ｖ	Ｖ		V	無	英文
Country	String	Ｖ	Ｖ		V	無	英文

設定完成畫面

以上三個定義域，我們都不使用拼字檢查，而且都停用語法錯誤演算法。

5. 開始探索

探索結果：

6. 管理定義域值（domain value）

在［管理定義域值］功能頁中，可以看到探索活動幫我們在每個定義域中都找到了數個定義域值。

你也可以手動加入定義域值

下圖中，在 City 定義域中，加入一個 Munich 定義域值，並將[類型]欄位設定為[錯誤]，[更正為]（Correct To)欄位輸入 München。

7. 完成

執行［完成］。由於我們還要在下面練習中繼續維護這個知識庫，所以選擇暫不發行。

如何刪除知識庫

編輯定義域

在上面的練習中，我們已經利用知識探索的協助，建立了知識庫，並且包含了三個定義域。 接下來將練習如何在知識庫中，直接手動編輯定義域，並且定義他們的比對規則。

1. 開啟資料庫

2. 使用[定義域管理]作業

先選擇前一個練習所建立的知識庫，再由加下角的選取活動中，點選［定義域管理］。

3. 建立定義域

這個步驟中，我們將另外建立四個定義域。

依下表內容建立其他四個定義域。

定義域名稱	資料類型	使用前置值	字串標準化	啟用拼字檢查	停用語法錯誤演算法	輸出格式	語言
StreetAddress	String	Ｖ	Ｖ		Ｖ	無	英文
BirthDate	Date	Ｖ				無	英文
Occupation	String	Ｖ	Ｖ	Ｖ		無	英文
EmailAddress	String	Ｖ	Ｖ		Ｖ	無	英文

結果如下：

4. 手動加入[定義域值]（Domain Value）

接下來我們要來編輯這些定義域的相關內容。

首先我們在 City 中手動加入一個定義域值，當它的定義域值是 Muenchen 時，要更正為 München。

設定完成後，資料會按字母重新排列順序。你可以找一下 München 這個定義域值，可以發現它共有二個同義字。

5. 設定[以詞彙為主的關聯]（Term-Based Relations）

在 StreeAddress 定義域中，我們加入一個[以詞彙為主的關聯]。

[以詞彙為主]的意思是說，以詞彙做為更正的單位，不像上一步驟，是以整個定義域值更正。

例如下例中，我們設定將地址欄位中有出現「Ct.」一詞的地方，都更正為「Court」。

6. 設定[定義域規則]（Domain Rule）

我們使用[定義域規則]來設定 BirthDate ，限定該定義域值必須大於 1/1/1900 。

7. 使用[拼字檢查]和[語法錯誤演算法]

在 Occupation 定義域屬性中，我們啟用[拼字檢查]和[語法錯誤演算法]，來協助我們判斷 Occupation 資料中是否有併字錯誤或語法錯誤。

8. 設定 EmailAddress 的[定義域規則]

在 EmailAddress 定義域中，我們加入一個[定義域規則]。 並且在其建置規則中使用[值符合規則運算式]（Value Matches Regular Expression）選項，並輸入運算式「\p{L}+\d\d@ADVENTURE-WORKS\.COM」。 然後再點繫[Add a New Condition]，加入另外一個條件，並輸入運算式「\p{L}+\d@ADVENTURE-WORKS\.COM」。 並使用 OR 運算元。

9. 發行知識庫

最後按下［完成］，就可以將知識庫發行了。