作者:刘伟; 曹先彬数据清理相似重复记录字符串匹配mpn传递闭包
摘要:相似重复记录识别是数据清理中的一个关键问题.文章针对常用的多趟邻接排序法提出了两点改进:一是在多趟排序识别过程中直接合并有重叠的相似记录集,取消了最后计算传递闭包的环节;二是利用关键字按字典序排序的特性,在求编辑距离之前先过滤前面的公共子串,减少了相似记录比较的开销.文章最后给出了改进算法与原算法的对比试验结果.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
《科技与创新》(CN:14-1369/N)是一本有较高学术价值的大型半月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。
部级期刊
人气 1082240 评论 53
省级期刊
人气 844584 评论 70
人气 804581 评论 68
人气 751780 评论 72