开发工具:
文件大小: 472kb
下载次数: 0
上传时间: 2020-06-04
详细说明：今天，数据库中的语义重复项代表着一项重要的数据质量挑战，这会导致错误的决策。 在大型数据库中，有时我们发现自己有成千上万的重复项，因此需要进行自动重复数据删除。 为此，有必要使用一种相当可靠的方法来检测重复项，以找到尽可能多的重复项，并且其功能足以在合理的时间内运行。 本文提出并比较了基于真实数据的有效重复检测方法，该方法可基于名称（使用法语文本或英语文本以及非洲或西方国家或地区的人名）自动对文件进行重复数据删除。 在对语义重复项进行比常规分类更完全的分类后，我们介绍了几种检测平均重复性小于O（2n）的重复项的方法。 通过一个简单的模型，我们将准确率和召回率结合在一起，突出显示了整体疗效。 我们提出了记录之间的新度量距离，以及自动重复检测的规则。 在包含中非主管部门实际数据的数据库以及包含美国餐馆名称的已知标准数据库上进行的分析显示出比已知方法更好的结果，且复杂度较低。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
