%0 Journal Article
%T 基于实体的相似性连接算法
%A 刘雪莉？
%A 王宏志？
%A 李建中？
%A 高宏？
%J 软件学报
%P 1421-1437
%D 2015
%R 10.13328/j.cnki.jos.004610
%X 按照元组描述的实体对其进行组织和查询处理,是一种管理劣质数据的有效方法.考虑到同一个实体的同一属性存在多个描述的值,因此,基于实体的数据库上的连接是支持多个值的相似性连接.与字符串的相似性连接相比较,实体的相似性连接在数据清洗、信息集成、模糊关键字查询、诈骗检测和文本聚集等领域有着更好的应用效果.通过建立双层索引结构,提出了实体数据库上相似性连接算法es-join.同时,该方法适用于解决集合中字符串模糊匹配的相似性连接问题,而传统的集合相似性连接只针对集合中元素精确匹配的情况.为了加速连接,还提出了过滤措施对算法进行优化,进一步给出了优化算法opt_es-join.实验验证了es-join算法和opt_es-join算法具有很好的效率和可扩展性.实验结果表明,过滤措施具有很好的过滤效果.
%K 实体
%K 相似性连接
%K 劣质数据
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4610&flag=1