基于距离的自适应Web数据库记录匹配方法

作者：崔晓军; 肖红宇; 丁立新

来源：武汉大学学报(理学版), 2012, (01): 89-94.

DOI：10.14188/j.1671-8836.2012.01.018

• Web数据库
• 记录匹配
• 实体识别
• 比较向量
• 权重向量 Web databases
• record matching
• entity identification
• comparison vector
• weight vector

Web数据库环境的重复记录识别是Deep Web信息集成的重要步骤,具有查询依赖性、缺乏训练样本、在线处理要求等特征,导致现有的实体识别技术无法适用.在分析现有方法基础上,引入动态属性权重调整思想,提出基于距离的自适应记录匹配算法,在计算记录对的相似度时,加大匹配记录集合中相似度较大的属性的权重,并加大非匹配记录集合中相似度较小的属性的权重,迭代处理从而达到自适应动态调整各个属性权重的目标.该方法不需要训练样本,也不需要人工参与,实验结果表明其适用于Web数据库环境的重复记录识别处理.

• 单位
  软件工程国家重点实验室; 武汉大学; 温州科技职业学院