刘雪琼
- 作品数:2 被引量:4H指数:1
- 供职机构:北京林业大学更多>>
- 发文基金:中央高校基本科研业务费专项资金更多>>
- 相关领域:自动化与计算机技术更多>>
- 林业WEB黄页信息整合中数据去重关键技术研究
- 对互联网中海量、异构、动态、离散的WEB信息进行整合,是实现垂直搜索引擎,提供高效主题信息服务的基础。林业WEB黄页是重要的林业信息资源,整合Internet上不同站点的林业电子黄页,形成全面而专业的林业WEB黄页数据库...
- 刘雪琼
- 关键词:相似重复记录
- Web信息整合中的数据去重方法被引量:4
- 2013年
- 针对现有数据去重方法中存在的时间效率和检测精度低的问题,结合Web信息整合的特点,提出一种逐级聚类的数据去重方法(SCDE)。首先通过关键属性分割和Canopy聚类将数据划分成小记录集,然后精确检测相似重复记录,并提出基于动态权重的模糊实体匹配策略,采用动态权重赋值,降低属性缺失对记录相似度计算带来的影响,并对名称的特殊性进行处理,提高匹配准确率。实验结果显示:该方法在时间效率和检测精度上均优于传统算法,其中准确率提高12.6%。该方法已应用于林业黄页系统中,取得了较好的应用效果。
- 刘雪琼武刚邓厚平
- 关键词:相似重复记录