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（
