一种面向Deep Web数据源的重复记录识别模型.pdfVIP

一种面向Deep Web数据源的重复记录识别模型.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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
查看更多
第 期 电 子 学 报 2 Vol.38 No.2 年 月 2010 2 ACTAELECTRONICASINICA Feb. 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: ( ) TP391 A 03722112201002027507 ADuplicateRecordsIdentificationModelforDeepWebDataSources , , , , SHENDerongLIULinanKOUYueNIETiezhengYUGe ( , , , , ) SchoolofInformationandScienceandEngineeringNortheasternUniversityShenyangLiaoning110004China : Abstract Duplicaterecordsaremultipledifferentrecordsdescribingthesameentityintherealworld.Sincesomeofthe , recordsextractedfromdifferentDeepWebsourcesinthesamedomainusuallyareduplicatesthepaperfocusesonduplicaterecords identificationandaduplicaterecordsidentificationmodelisproposedonthebasisofknownglobalschemaandtherelationship

您可能关注的文档

文档评论(0)

江南春 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档