| 一种中文相似重复记录的检测方法 |
| |
| 引用本文： | 王志军,乐嘉锦. 一种中文相似重复记录的检测方法[J]. 东华大学学报(自然科学版), 2005, 31(2): 37-40 |
| |
| 作者姓名： | 王志军 乐嘉锦 |
| |
| 作者单位： | 东华大学计算机科学与技术学院,上海,200051 |
| |
| 摘 要： | 要把数据表中的相似重复记录标识出来，常用的方法是先将所有记录按照某个关键字进行索引，然后在一个固定长度的窗口范围内进行记录的两两比对。这种方法的难点在于关键字的选取标准缺乏通用性,这里提出一种通用的关键字选取方法，然后在一个变长窗口内进行记录的两两比对，以此检测带有编辑错误的中文相似重复记录。
|
| 关 键 词： | 相似重复记录 向量空间 特征向量 欧氏距离 |
| 修稿时间： | 2004-01-05 |
An Approach for Detecting Approximately Duplicate Records In Chinese |
| |
| WANG Zhi-jun,LE Jia-jin. An Approach for Detecting Approximately Duplicate Records In Chinese[J]. Journal of Donghua University, 2005, 31(2): 37-40 |
| |
| Authors: | WANG Zhi-jun LE Jia-jin |
| |
| Abstract: | |
| |
| Keywords: | approximately duplicate records vector space characteristic vector Euclidean distance |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
