بررسی مدل های احتمالاتی تطبیق رکورد در پایگاه داده های بزرگ
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,315
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST01_136
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
تشخیص رکورد تکراری، فرآیندشناسایی رکوردهای چند گانه و مختلف است که به یک شی یا نهاد منحصر به فرد از جهان واقعی اشاره می کند. با تشخیص رکورد تکراری، کیفیت داده ها افزایش می یابد. برای شناسایی تکرار، باید شباهت رکوردها محاسبه شود . الگوریتم ها تطبیق رکورد شامل روش های احتمالاتی، یادگیری بدون نظارت، یادگیری نظارت شده و غیره می باشد. هدف این مقاله بررسی جدیدترین رویکردهای مبتنی بر مدل های احتمالاتی تطبیق است. مدل های احتمالاتی تطبیق شامل مدلهای تصمیم گیری بیز با حداقل خطا و حداقل هزینه، مدل Reject Region و مدل Fellegi-Sunter می باشد که در این مقاله مدل ها معرفی شده است. سپس معیارهای ارزیابی که شامل Precision و Recall و F-measure می باشد بر روی الگوریتم ها انجام شده است. هر چه معیارهای ارزیابی بالاتر باشد کارایی الگوریتم بهتر است. نتایج مقایسه الگوریتم ها نشان میدهد که مقدار F-measure مدل Fellegi-Sunter با معیار فاصله TF-IDF+Jaro بیشتر است، بنابراین عملکرد بهتری را در بین مدل ها دارا می باشد.
Keywords:
Authors
مینا قاری زاده بیرق
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شبستر
رعنا موسی زاده
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شبستر
محمدرضا فیضی درخشی
عضو هیئت علمی گروه کامپیوتر دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :