一种面向Deep Web数据源的重复记录识别模型.pdfVIP

下载本文档

6
0
约3.28万字
约 7页
2019-08-13 发布于北京
举报
版权申诉

一种面向Deep Web数据源的重复记录识别模型.pdf

1、本文档共7页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第期电子学报２Ｖｏｌ．３８Ｎｏ．２年月２０１０２ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡＦｅｂ．２０１０一种面向ＤｅｅｐＷｅｂ数据源的重复记录识别模型申德荣，刘丽楠，寇月，聂铁铮，于戈（东北大学信息科学与工程学院，辽宁沈阳１１０００４）摘要：重复记录是指描述现实世界中同一实体的不同的记录信息由于从同一个领域的不同数据．ＤｅｅｐＷｅｂ源中抽取的记录信息通常存在许多重复记录，本文针对半结构化的重复记录的识别进行研究在已知全局模式和全局．模式与各数据源查询接口映射关系的基础上，提出了一种重复记录识别模型基于从中抽取出的ＤｅｅｐＷｅｂ．ＤｅｅｐＷｅｂ半结构化的数据，采用查询探测方法确定所抽取数据所匹配的属性，通过分析抽取的实例数据确定属性重要度，结合多种相似度估算器和多种算法计算记录间的相似度，进而识别重复记录实验表明，该重复记录识别模型在．ＤｅｅｐＷｅｂ环境下是可行且有效的．关键词：重复记录；深层；数据清洗ｗｅｂ中图分类号：文献标识码：文章编号：（）ＴＰ３９１Ａ０３７２２１１２２０１００２０２７５０７ＡＤｕｐｌｉｃａｔｅＲｅｃｏｒｄｓＩｄｅｎｔｉｆｉｃａｔｉｏｎＭｏｄｅｌｆｏｒＤｅｅｐＷｅｂＤａｔａＳｏｕｒｃｅｓ，，，，ＳＨＥＮＤｅｒｏｎｇＬＩＵＬｉｎａｎＫＯＵＹｕｅＮＩＥＴｉｅｚｈｅｎｇＹＵＧｅ（，，，，）ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙＳｈｅｎｙａｎｇＬｉａｏｎｉｎｇ１１０００４Ｃｈｉｎａ：ＡｂｓｔｒａｃｔＤｕｐｌｉｃａｔｅｒｅｃｏｒｄｓａｒｅｍｕｌｔｉｐｌｅｄｉｆｆｅｒｅｎｔｒｅｃｏｒｄｓｄｅｓｃｒｉｂｉｎｇｔｈｅｓａｍｅｅｎｔｉｔｙｉｎｔｈｅｒｅａｌｗｏｒｌｄ．Ｓｉｎｃｅｓｏｍｅｏｆｔｈｅ，ｒｅｃｏｒｄｓｅｘｔｒａｃｔｅｄｆｒｏｍｄｉｆｆｅｒｅｎｔＤｅｅｐＷｅｂｓｏｕｒｃｅｓｉｎｔｈｅｓａｍｅｄｏｍａｉｎｕｓｕａｌｌｙａｒｅｄｕｐｌｉｃａｔｅｓｔｈｅｐａｐｅｒｆｏｃｕｓｅｓｏｎｄｕｐｌｉｃａｔｅｒｅｃｏｒｄｓｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄａｄｕｐｌｉｃａｔｅｒｅｃｏｒｄｓｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄｏｎｔｈｅｂａｓｉｓｏｆｋｎｏｗｎｇｌｏｂａｌｓｃｈｅｍａａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐ