Pass-Join-K:多分段匹配的相似性连接算法

• 作者: 余海洋 林琛 江弋 邹权 陈珂
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 编辑距离 相似性连接 多次匹配 数据清理 Pass-Join-K算法
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 学术研究
• 页码范围: 924-932
• 页数: 9页
• 分类号: TP391
• 字数: 5713字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1305047

摘要

相似性连接是数据清理工作的基本模型,获得了大量数据库工作者的关注.研究了基于编辑距离的相似性连接问题,即在两个字符串集合中寻找编辑距离小于一个阈值的字符串对,并在Pass-Join算法的基础上,提出了一个新的Pass-Join-K算法.Pass-Join-K算法在长短字符串上都有很好的表现.该算法的主要思想是利用Pass-Join算法的划分原理,以多次匹配的方式,达到更加严格地选取候选配对的目的.实验结果显示,Pass-Join-K算法减少了候选对的数量,在实际数据集上相比元算法在运行时间上有2～5倍的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈珂	广东石油化工学院计算机科学与技术系	62	243	8.0	12.0
2	江弋	厦门大学信息科学与技术学院	20	124	5.0	10.0
3	邹权	厦门大学信息科学与技术学院	23	446	9.0	21.0
7	林琛	厦门大学信息科学与技术学院	19	447	7.0	19.0
11	余海洋	厦门大学信息科学与技术学院	1	2	1.0	1.0