| 基于实体的相似性连接算法 |
| |
| 引用本文： | 刘雪莉,王宏志,李建中,高宏.基于实体的相似性连接算法[J].软件学报,2015,26(6):1421-1437. |
| |
| 作者姓名： | 刘雪莉 王宏志 李建中 高宏 |
| |
| 作者单位： | 哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001,哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001,哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001,哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001 |
| |
| 基金项目： | 国家自然科学基金(61003046, 6111113089, 61033015, 60831160525, 61173022); 国家重点基础研究发展计划(973) (2012CB316200, 2012CB316202); 国家高技术研究发展计划(863)(2012AA011004); 海量图数据上实体识别(KF2011003) |
| |
| 摘 要： | 按照元组描述的实体对其进行组织和查询处理,是一种管理劣质数据的有效方法.考虑到同一个实体的同一属性存在多个描述的值,因此,基于实体的数据库上的连接是支持多个值的相似性连接.与字符串的相似性连接相比较,实体的相似性连接在数据清洗、信息集成、模糊关键字查询、诈骗检测和文本聚集等领域有着更好的应用效果.通过建立双层索引结构,提出了实体数据库上相似性连接算法ES-JOIN.同时,该方法适用于解决集合中字符串模糊匹配的相似性连接问题,而传统的集合相似性连接只针对集合中元素精确匹配的情况.为了加速连接,还提出了过滤措施对算法进行优化,进一步给出了优化算法OPT_ES-JOIN.实验验证了ES-JOIN算法和OPT_ES-JOIN算法具有很好的效率和可扩展性.实验结果表明,过滤措施具有很好的过滤效果.
|
| 关 键 词： | 实体 相似性连接 劣质数据 |
| 收稿时间： | 2012/11/25 0:00:00 |
| 修稿时间： | 2014/3/28 0:00:00 |
Similarity Join Algorithm Based on Entity |
| |
| LIU Xue-Li,WANG Hong-Zhi,LI Jian-Zhong and GAO Hong.Similarity Join Algorithm Based on Entity[J].Journal of Software,2015,26(6):1421-1437. |
| |
| Authors: | LIU Xue-Li WANG Hong-Zhi LI Jian-Zhong and GAO Hong |
| |
| Affiliation: | School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China,School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China,School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China and School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China |
| |
| Abstract: | |
| |
| Keywords: | entity similarity join poor-quality data |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
