基于模式感知元分块技术的Web实体解析算法

• 作者: 曹科研 李征宇 李贵 韦海浪 韩子扬
• 来源期刊: 数据挖掘
• 学科: 工学
• 关键词: 实体解析 聚合熵 元分块 局部敏感哈希
• 年，卷（期）: 2020,（1）
• 页码范围: 16-29
• 页数: 14页
• 分类号: TP3

摘要

实体解析ER (Entity Resolution)是识别一个或多个数据源中同一实体记录。对于在多数据源中直接比较每对记录计算复杂度较大的问题,通常采用分块的方法。由于在Web数据源中大部分是模式未知的,通常采用元分块技术,虽然减少了丢失可能的匹配,但是增加了在同一块中放置不匹配实体记录的可能性。为此提出了一种基于局部敏感哈希的属性匹配归纳法从多个Web大数据集中对属性进行匹配划分,去除了属性间冗余的比较;然后通过一种基于聚合熵加权图的元分块技术,来提高Web数据源的分块质量,去除了分块中实体记录之间多余的比较,降低了算法的复杂度。最后采用实际数据集进行实验验证了该算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹科研	沈阳建筑大学信息与控制工程学院	9	28	2.0	5.0
2	李贵	沈阳建筑大学信息与控制工程学院	25	108	6.0	10.0
3	韩子扬	沈阳建筑大学信息与控制工程学院	29	104	5.0	10.0
4	李征宇	沈阳建筑大学信息与控制工程学院	37	102	5.0	9.0
5	韦海浪	沈阳建筑大学信息与控制工程学院	2	0	0.0	0.0