钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机技术与发展期刊
\
相似重复数据检测的数据清洗算法优化
相似重复数据检测的数据清洗算法优化
作者:
罗登昌
蒋园
韩旭
马丹璇
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
脏数据
相似重复
数据清洗
SNM算法
摘要:
数据一直是各大企业竞争的对象,而企业在采集、处理以及最终录入数据库的数据中往往存在着相似重复的数据,这些数据也即"脏数据".脏数据如果不进行处理,势必会影响后续数据的操作,最终影响到数据的质量.数据清洗是处理脏数据、提高数据质量的热门技术手段,而其中相似重复数据检测更是数据清洗中的重要方面,比如堤防工程的数据存在很多地名、经纬度、砖孔数据等等,录入到数据库时相似重复度很高.目前针对重复数据检测应用最多的是SNM(基本邻近有序法)算法,主要是先将原有的数据集进行排序,再比较排序后相邻数据的相识度.但这种算法的时间复杂度很高.文中对SNM算法进行优化,首先将数据库记录的属性值进行分类,并结合三区间排序算法进行排序来减少比对范围,最后通过设定属性的权重并求和,根据记录相似度的结果来判断.实验结果证明了该算法的正确性.
暂无资源
收藏
引用
分享
推荐文章
基于Mahout的相似重复数据清洗策略研究
数据清洗
k-means
相似重复记录
文本聚类
重复数据检测在多版本数据备份中的应用
数据备份
重复数据检测
Rsync算法
相似索引:适用于重复数据删除的二级索引
重复数据删除
相似哈希
相似索引
块查找磁盘瓶颈问题
二级索引
基于文件相似性分簇的重复数据消除模型
云存储
重复数据消除
吞吐量
文件相似性分簇
负载均衡
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
相似重复数据检测的数据清洗算法优化
来源期刊
计算机技术与发展
学科
工学
关键词
脏数据
相似重复
数据清洗
SNM算法
年,卷(期)
2019,(10)
所属期刊栏目
应用开发研究
研究方向
页码范围
79-82
页数
4页
分类号
TP31
字数
3971字
语种
中文
DOI
10.3969/j.issn.1673-629X.2019.10.017
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
马丹璇
4
10
2.0
3.0
2
韩旭
3
7
1.0
2.0
3
蒋园
1
1
1.0
1.0
4
罗登昌
1
1
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(86)
共引文献
(14)
参考文献
(18)
节点文献
引证文献
(1)
同被引文献
(7)
二级引证文献
(0)
1979(1)
参考文献(0)
二级参考文献(1)
1998(3)
参考文献(0)
二级参考文献(3)
2000(2)
参考文献(0)
二级参考文献(2)
2001(1)
参考文献(0)
二级参考文献(1)
2002(5)
参考文献(0)
二级参考文献(5)
2003(5)
参考文献(0)
二级参考文献(5)
2004(2)
参考文献(0)
二级参考文献(2)
2005(2)
参考文献(0)
二级参考文献(2)
2006(2)
参考文献(0)
二级参考文献(2)
2007(4)
参考文献(0)
二级参考文献(4)
2008(5)
参考文献(0)
二级参考文献(5)
2009(6)
参考文献(0)
二级参考文献(6)
2010(9)
参考文献(0)
二级参考文献(9)
2011(4)
参考文献(0)
二级参考文献(4)
2012(3)
参考文献(0)
二级参考文献(3)
2013(12)
参考文献(0)
二级参考文献(12)
2014(8)
参考文献(0)
二级参考文献(8)
2015(7)
参考文献(0)
二级参考文献(7)
2016(4)
参考文献(2)
二级参考文献(2)
2017(8)
参考文献(5)
二级参考文献(3)
2018(11)
参考文献(11)
二级参考文献(0)
2019(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
2020(1)
引证文献(1)
二级引证文献(0)
研究主题发展历程
节点文献
脏数据
相似重复
数据清洗
SNM算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
主办单位:
陕西省计算机学会
出版周期:
月刊
ISSN:
1673-629X
CN:
61-1450/TP
开本:
大16开
出版地:
西安市雁塔路南段99号
邮发代号:
52-127
创刊时间:
1991
语种:
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
期刊文献
相关文献
1.
基于Mahout的相似重复数据清洗策略研究
2.
重复数据检测在多版本数据备份中的应用
3.
相似索引:适用于重复数据删除的二级索引
4.
基于文件相似性分簇的重复数据消除模型
5.
基于关联规则的海量重复数据消除系统设计
6.
基于MD5算法的重复数据删除技术的研究与改进
7.
内容分块算法中预期分块长度对重复数据删除率的影响
8.
大型数据库重复记录检测与优化研究
9.
一种云存储系统中重复数据删除机制
10.
云环境下应用感知的动态重复数据删除机制
11.
利用重复数据删除和增量编码有效利用基于闪存的SSD
12.
重复数据删除中的无向图遍历分组预测方法
13.
一种基于滑动分块的重复数据检测算法
14.
基于R-树索引的高维相似重复记录检测改进算法
15.
指纹极值的双层重复数据删除算法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机技术与发展2022
计算机技术与发展2021
计算机技术与发展2020
计算机技术与发展2019
计算机技术与发展2018
计算机技术与发展2017
计算机技术与发展2016
计算机技术与发展2015
计算机技术与发展2014
计算机技术与发展2013
计算机技术与发展2012
计算机技术与发展2011
计算机技术与发展2010
计算机技术与发展2009
计算机技术与发展2008
计算机技术与发展2007
计算机技术与发展2006
计算机技术与发展2005
计算机技术与发展2004
计算机技术与发展2003
计算机技术与发展2002
计算机技术与发展2001
计算机技术与发展2019年第9期
计算机技术与发展2019年第8期
计算机技术与发展2019年第7期
计算机技术与发展2019年第6期
计算机技术与发展2019年第5期
计算机技术与发展2019年第4期
计算机技术与发展2019年第3期
计算机技术与发展2019年第2期
计算机技术与发展2019年第12期
计算机技术与发展2019年第11期
计算机技术与发展2019年第10期
计算机技术与发展2019年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号