TrigSigs:一种有效的非结构化记录关联合并算法

• 作者: 吴羽 寿黎但 盛振华 陈刚
• 来源期刊: 浙江大学学报(工学版)
• 学科: 工学
• 关键词: 记录关联合并 非结构化数据 触发对 属性关联度 信息分布集中度
• 年，卷（期）: 2010,（12）
• 页码范围: 2284-2290,2308
• 页数: 8页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2010.12.009

摘要

为了解决从网络数据源提取的非结构化数据的处理问题,提出一种基于触发对的聚类算法TrigSigs,利用触发对挖掘非结构化数据中隐含属性间的关联关系作为辨别实体的标志.该算法能够聚集对辨别实体起到关键作用的特征组合,过滤噪音词汇,并且根据辨别实体的分辨力,为每个特征词汇赋予合理的权重,使记录的特征向量对辨别实体更具代表性,最终提高聚类结果的细粒度,很好地解决了非结构化数据的记录关联合并问题.实验结果表明:该算法可以过滤绝大部分噪音词汇,并且根据词汇的分辨力合理分配权重,使最终聚类结果的准确率有很大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈刚		204	2984	32.0	47.0
2	盛振华		2	10	1.0	2.0
3	吴羽		5	10	1.0	3.0
4	寿黎但		16	34	4.0	5.0