一种基于标签传播的数据分块算法

• 作者: 冉德彤 游宏梁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 数据质量 数据清洗 实体分辨 相似重复记录 数据分块 标签传播算法
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 51-55,61
• 页数: 6页
• 分类号: TP311
• 字数: 4947字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.09.010

摘要

数据分块有助于降低大规模数据中实体分辨的计算复杂度,但现有算法存在效能和效率难以平衡的问题.为此,在标签传播的基础上设计数据分块算法,以实现两者的平衡.根据记录间相同词项的数量估计记录相似度,通过标签传播算法发现潜在相似重复记录,降低时间复杂度.在通用测试数据中的实验结果表明,该算法能有效提高F-Measure值,减少运行时间,实现大规模数据中的数据分块.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	游宏梁		8	41	3.0	6.0
2	冉德彤		3	5	1.0	2.0