基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
相似重复记录检测是数据清洗领域中的一个重要方面.文中研究了在数据模式与匹配规则不变的前提下,数据集动态增加时近似重复记录的识别问题,针对基于聚类数算法精度不高、效率低下等问题提出一种改进算法.该算法运用等级法给属性赋予相应权重并约减属性,通过构造聚类树对相似记录进行聚类,增设了一个阈值以减少不必要的相似度比较次数,提高了算法的效率和准确率.最后通过实验证明了该算法的有效性,并提出了进一步的研究方向.
推荐文章
一种基于VSM的检测相似重复记录的方法
空间向量模型
聚类
相似重复记录
权重
优先队列
基于R-树索引的高维相似重复记录检测改进算法
SNM算法
R-树索引
高维空间特性
改进距离算法
数据稀疏性
基于改进型遗传神经网络的相似重复记录检测
相似重复记录
遗传算法
神经网络
数据清洗
对基于MPN的相似重复记录识别算法的改进
数据清理
相似重复记录
字符串匹配
MPN
传递闭包
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种相似重复记录检测算法的改进研究
来源期刊 计算机技术与发展 学科 工学
关键词 相似重复记录 增量式 聚类树 等级法
年,卷(期) 2010,(7) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 13-16
页数 分类号 TP311.5
字数 3471字 语种 中文
DOI 10.3969/j.issn.1673-629X.2010.07.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李兴国 合肥工业大学管理学院 93 779 14.0 23.0
2 戴颖 合肥工业大学管理学院 1 7 1.0 1.0
3 赵启飞 合肥工业大学管理学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (73)
参考文献  (7)
节点文献
引证文献  (7)
同被引文献  (10)
二级引证文献  (10)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(2)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
相似重复记录
增量式
聚类树
等级法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导