基于We b的重复属性自动识别方法

• 作者: 刘海龙 徐曜 李战怀 杜晶 胡嘉琪 陈群
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 重复属性识别 Web搜索 摘要 URL 查询探针
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 125-128
• 页数: 4页
• 分类号: TP31
• 字数: 3404字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1306-0071

摘要

在建立数据仓库的过程中，需要从多个数据源导入数据。这些数据存在大量相似重复记录，严重影响了数据利用率和决策质量。因此，相似重复记录的检测已经成为数据仓库等领域的热点研究问题，而重复属性的识别是完成相似重复记录检测的关键。提出一种高效的基于We b的重复属性自动识别算法，该算法使用搜索引擎返回的摘要和URL信息计算属性相似度，并使用查询探针提高查询准确度。实验结果表明该算法有较高的查全率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李战怀	西北工业大学计算机学院	254	2139	21.0	35.0
2	陈群	西北工业大学计算机学院	54	495	11.0	20.0
3	刘海龙	西北工业大学计算机学院	22	178	8.0	12.0
4	胡嘉琪	西北工业大学计算机学院	2	0	0.0	0.0
5	杜晶	西北工业大学计算机学院	4	0	0.0	0.0
6	徐曜	西北工业大学计算机学院	3	1	1.0	1.0