近似重复记录的自适应距离度量检测

• 作者: 姬红兵 孙鹤立 黄健斌
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 近似重复记录检测 记录链接 实体匹配 数据集成
• 年，卷（期）: 2007,（2）
• 页码范围: 331-336
• 页数: 6页
• 分类号: TP311
• 字数: 4784字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2007.02.035

摘要

提出了一种结合自适应字符串距离度量的记录相似度学习方法,用于多源Web数据集成中的重复记录检测.该方法首先使用最大熵分类器标注记录对中字段间的关联类型;然后根据每个字段对的关联类型,为其选择合适的距离函数;最后使用支持向量机通过组合多字段上的相似度来检测其中的重复记录对.在不同领域的数据集上的实验结果表明,该方法能够提高重复记录检测的精度,且具有良好的噪声数据抑制能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬红兵	西安电子科技大学电子工程学院	193	2504	25.0	36.0
2	黄健斌	西安电子科技大学电子工程学院	16	166	8.0	12.0
6	孙鹤立	西安交通大学计算机科学与技术系	12	130	6.0	11.0