《计算机学报》文章摘要   全文下载
文章题目	基于实体描述属性技术的XML重复对象检测方法
作者	李亚坤 王宏志 高宏 李建中
作者单位	(哈尔滨工业大学计算机学院 哈尔滨 150001)
发表年份	2011
发表月份	11期(2131—2141)
文章摘要	摘要 由于XML文档越来越广泛地被用于信息交换与集成，其数据质量问题引起了人们的关注.解决由数据质量引发的问题，实体识别技术非常关键.当实体识别被应用于XML数据中时，最为关键的操作是实体数据对象的匹配.为了克服现有方法的不足，在海量XML数据上进行高效的重复对象检测，文中提出一种基于实体描述属性技术的高效XML重复数据对象检测方法.它将所有标签属性与结点统称为属性，用实体来描述属性，通过属性的属性结点表的构建，快速地找到在某个属性上相同的所有实体对象，然后比较它们是否重复.此方法的优势体现在无需比较所有实体对象，只需要比较在属性结点表中同一位置的结点，大大节省了时间.此外，我们提出的MaxMerge算法，在兼顾相似对象传递性与独立性的基础之上，将所有相似对象进行聚类，大大提高了算法的精确率与召回率. 关键词 XML；数据集成；数据质量；实体识别