基于实体的相似性连接算法

• 作者: 刘雪莉 李建中 王宏志 高宏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 实体 相似性连接 劣质数据
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 数据库技术
• 页码范围: 1421-1437
• 页数: 17页
• 分类号: TP311
• 字数: 14808字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004610

摘要

按照元组描述的实体对其进行组织和查询处理,是一种管理劣质数据的有效方法.考虑到同一个实体的同一属性存在多个描述的值,因此,基于实体的数据库上的连接是支持多个值的相似性连接与字符串的相似性连接相比较,实体的相似性连接在数据清洗、信息集成、模糊关键字查询、诈骗检测和文本聚集等领域有着更好的应用效果.通过建立双层索引结构,提出了实体数据库上相似性连接算法ES-JOIN.同时,该方法适用于解决集合中字符串模糊匹配的相似性连接问题,而传统的集合相似性连接只针对集合中元素精确匹配的情况.为了加速连接,还提出了过滤措施对算法进行优化,进一步给出了优化算法OPT ES-JOIN.实验验证了ES-JOIN算法和OPT_ ES-JOIN算法具有很好的效率和可扩展性.实验结果表明,过滤措施具有很好的过滤效果.

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	王宏志	哈尔滨工业大学计算机科学与技术学院	69	557	12.0	21.0
3	高宏	哈尔滨工业大学计算机科学与技术学院	109	1574	18.0	36.0
4	刘雪莉	哈尔滨工业大学计算机科学与技术学院	4	29	3.0	4.0