利用二次归并的Deep Web实体匹配方法

• 作者: 陈丽君
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 二次归并 Deep Web 实体匹配 类簇 相似值
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 第六届中国数据挖掘会议(CCDM 2016)
• 页码范围: 2139-2143
• 页数: 5页
• 分类号: TP391|TP311
• 字数: 5597字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.08.2139

摘要

针对权重边剪枝(WEP)方法在准确率和匹配效率等方面的不足,通过引入自匹配和归并概念,提出一种基于二次归并的Deep Web实体匹配方法.首先,提取各对象的属性值,并按属性值重组对象,使具有相同属性值的对象聚集在一起,实现块的有效划分;其次,计算块内各对象间的匹配度,并据此进行剪枝、自匹配检测、归并,输出初步类簇;最后,以初步类簇为基础,利用簇内对象间传递的消息以及对象属性相似值,进一步挖掘匹配关系,触发新一轮的类簇归并与更新.实验结果表明,与WEP方法相比,所提方法通过自匹配检测,自动区分匹配关系并采取合适的匹配策略,使归并过程逐渐精化,提高了匹配准确率;通过分块、剪枝,有效缩减了匹配空间,提高了系统运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丽君	浙江越秀外国语学院网络传播研究所	13	24	2.0	4.0