XJIPC OpenIR  > 多语种信息技术研究室
基于长度过滤和动态容错的SNM改进算法
刘雅思1; 程力; 李晓
2017
Source Publication计算机应用研究
ISSN1001-3695
Volume33Issue:1Pages:147-150+155
Abstract

数据仓库中相似重复记录的清洗对于数据质量影响很大,传统的基本邻近排序算法(sorted-neighborhood method,SNM)时间效率和准确率均不高。针对SNM算法的缺陷,提出了一种基于长度过滤和动态容错的SNM改进算法。根据两条记录的长度比例和属性缺失情况,首先排除一部分不可能构成相似重复记录的数据,减少比较次数,提高检测效率;进一步提出了动态容错法,校准字段相似度评判结果,解决了因属性缺失而误判的问题,提高了准确率。针对实际数据集的实验分析表明,在相同的运算环境下,优化算法在准确率和时间效率上有明显优势。

Keyword数据挖掘 数据清洗 相似重复记录 Snm算法 动态容错 字段匹配
DOI10.3969/j.issn.1001-3695.2017.01.031
Indexed ByCSCD
CSCD IDCSCD:5920233
Citation statistics
Cited Times:1[CSCD]   [CSCD Record]
Document Type期刊论文
Identifierhttp://ir.xjipc.cas.cn/handle/365002/4598
Collection多语种信息技术研究室
Affiliation1.中国科学院新疆理化技术研究所
2.新疆民族语音语言信息处理实验室
3.中国科学院大学计算机与控制学院
First Author Affilication中国科学院新疆理化技术研究所
Recommended Citation
GB/T 7714
刘雅思,程力,李晓. 基于长度过滤和动态容错的SNM改进算法[J]. 计算机应用研究,2017,33(1):147-150+155.
APA 刘雅思,程力,&李晓.(2017).基于长度过滤和动态容错的SNM改进算法.计算机应用研究,33(1),147-150+155.
MLA 刘雅思,et al."基于长度过滤和动态容错的SNM改进算法".计算机应用研究 33.1(2017):147-150+155.
Files in This Item:
File Name/Size DocType Version Access License
基于长度过滤和动态容错的SNM改进算法.(989KB)期刊论文作者接受稿开放获取CC BY-NC-SAView Application Full Text
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[刘雅思]'s Articles
[程力]'s Articles
[李晓]'s Articles
Baidu academic
Similar articles in Baidu academic
[刘雅思]'s Articles
[程力]'s Articles
[李晓]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[刘雅思]'s Articles
[程力]'s Articles
[李晓]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 基于长度过滤和动态容错的SNM改进算法.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.