Part-Join:基于划分的字符串相似性连接

• 作者: 李建中 陈懿诚 骆吉洲
• 来源期刊: 计算机应用研究
• 关键词: 相似性连接 划分 频率 编辑距离
• 年，卷（期）: 2014,（10）
• 页码范围: 3002-3006
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.10.028

摘要

目前,已有许多高效的字符串相似性连接算法被提出,但是这些算法在过滤的过程中利用的往往是字符串本身的局部信息,而忽略了字符串集合的整体信息,故性能没有得到充分的提高.为此,提出了一种基于划分的算法Part-Join,它从频率向量、字母表、频率分布三方面对数据集进行子集划分,并给出子集间的过滤策略用于排除不相似的字符串对.扩展实验表明,Part-Join比已有算法Pass-Join效率提高了10％ ～ 15％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建中	哈尔滨工业大学计算机科学与技术学院	237	6003	33.0	72.0
2	骆吉洲	哈尔滨工业大学计算机科学与技术学院	24	310	8.0	17.0
3	陈懿诚	哈尔滨工业大学计算机科学与技术学院	2	7	2.0	2.0