| 一种检测汉语相似重复记录的有效方法 |
| |
| 引用本文： | 程国达,苏杭丽.一种检测汉语相似重复记录的有效方法[J].计算机应用,2005,25(6):1362-1365. |
| |
| 作者姓名： | 程国达 苏杭丽 |
| |
| 作者单位： | 南京财经大学,信息工程学院,江苏,南京,210003 |
| |
| 摘 要： | 消除重复记录可以提高数据质量。提出了按字段值种类数选择排序字段的方法。在相似重复记录的检测中，用第1个排序字段建立存储相似重复记录的二维链表，然后再用第2、第3个排序字段对二维链表中的记录进行排序—比较，以提高检测效果。为了正确地匹配汉字串，研究了由于缩写所造成的不匹配和读音、字型相似造成的输入错误。通过查找“相似汉字表”解决部分输入错误的问题，计算相似度函数判断被比较的记录是否是重复记录。实验表明，提出的方法能有效的检测汉语相似重复记录。
|
| 关 键 词： | 汉语相似重复记录 排序字段 二维链表 |
| 文章编号： | 1001-9081(2005)06-1362-04 |
Efficient approach for identifying approximately duplicate Chinese database records |
| |
| CHENG Guo-da,SU Hang-li.Efficient approach for identifying approximately duplicate Chinese database records[J].journal of Computer Applications,2005,25(6):1362-1365. |
| |
| Authors: | CHENG Guo-da SU Hang-li |
| |
| Abstract: | |
| |
| Keywords: | approximately duplicate Chinese records sorting field 2-D-linked list |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
