一种应用于Deep Web环境下的重复记录识别模型
随着Web数据库数量和其蕴含数据量飞速的增长，对Deep Web数据的集成越来越成为研究领域关注的问题．然而由于Web上的信息以半结构化及无结构化的数据信息居多，导致了抽取的结果中包含诸多的不确定性．如有噪音数据、重复字符、简写与全称混合等问题．这给识别重复记录带来了很大不便，导致传统的去重算法无法达到很好的效果．为此，提出了一种面向deep Web结果整合的重复记录识别模型．在该模型中，提出了一种基于编辑距离的改进算法，基于该算法实现字符串匹配;通过构建属性匹配图，并采用二次确认机制实现识别重复记录．应用该模型，既提高了识别效率又保证了识别精确度，并通过实验证明了提出的算法和模型的可行性．
重复记录识别模型 数据库 Deep Web环境 字符串匹配
朱命冬 申德荣 寇月 聂铁铮 于戈
东北大学信息科学与工程学院 沈阳 110004
国内会议
南昌
中文
14-21
2009-10-15（万方平台首次上网日期，不代表论文的发表时间）