近似重复记录的增量式识别算法

• 作者: 佘春红 许向阳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据清理 近似重复记录 增量式识别 特征记录
• 年，卷（期）: 2003,（12）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 191-193,220
• 页数: 4页
• 分类号: TP311.13
• 字数: 4883字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2003.12.060

摘要

数据清理是数据仓库中的一个重要研究内容,近似重复记录的识别是其中的一个技术难点.文章介绍了近邻排序方法,并以此为基础,研究了在数据模式与匹配规则不变的前提下,数据源动态增加时近似重复记录识别问题,提出了一种增量式算法IMPN(Incremental Multi-Pass sorted-Neighborhood).文章最后给出了实验结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许向阳	华中科技大学计算机学院数据库与多媒体技术研究所	32	338	10.0	17.0
2	佘春红	华中科技大学计算机学院数据库与多媒体技术研究所	1	24	1.0	1.0