一种deep web数据源下重复记录识别模型

• 作者: 于戈 刘丽楠 孙高尚 寇月 申德荣
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 重复记录 deep web 数据清洗 半结构化数据
• 年，卷（期）: 2008,（3）
• 页码范围: 315-317
• 页数: 3页
• 分类号: TP311
• 字数: 582字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2008.03.015

摘要

使用deep web数据源下重复记录识别模型对从多个deep web数据源中抽取出来的半结构化和无结构化的数据进行处理.首先,在数据预处理模块中将所抽取的数据生成实体记录的形式,然后,在异构记录处理模块中利用在同构记录处理模块所得到的权值,计算各实体记录的相似度,得到重复记录.与传统的重复记录识别模型不同,所提方法是在模式匹配未知的前提下实现的;并且采用带有可选算法的多个相似度估算器以达到更好的匹配效率.实验证明,该重复记录识别模型是可行且有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于戈	东北大学信息科学与工程学院	426	6587	38.0	64.0
2	申德荣	东北大学信息科学与工程学院	111	1289	18.0	32.0
3	寇月	东北大学信息科学与工程学院	68	816	12.0	26.0
4	刘丽楠	东北大学信息科学与工程学院	2	18	2.0	2.0
5	孙高尚	东北大学信息科学与工程学院	2	12	2.0	2.0