目前大型企业存储了大量的数据，但是数据质量令人担忧，集中表现在相似重复冗余的数据特别多，以及多个数据源的合并加重数据的冗余。大数据相似记录检测环节是数据清洗研究的重要方向。针对大数据中存在的相似重复数据的检测问题，文章提出了一种基于k-means分组聚类的检测算法，实验分析表明，该方法在确保精度不变的情况下提高了检测效率。
科研之友
微信
新浪微博
Facebook
分享链接
