معصومه مومن نژاد - دانشجوی کارشناسی ارشد دانشگاه فنی مهندسی، گروه کامپیوتر و فناوری اطلاعات دانشگاه پیام نور
اکبر فرهودی نژاد - استادیار گروه علمی مهندسی، کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور
محمدهادی معظم - استادیار گروه علم مهندسی، کامپیوتر و فناوری اطلاعات دانشگاه پیام نور

داده های تکراری رکوردهایی هستند که بار اطلاعاتی جدیدی ندارند و اطلاعات تکراری زیادی در آن ها وجود دارد. وجود این نوع از داده ها می تواند از تفاوت ها در فرمت هایی که داده را ذخیره می کنند، خطاهای چاپی و بصری و تلخیص کلمات ناشی شود. حال مسئله اصلی یافتن رکوردهای تکراری است لذا از روشهای تطبیق فیلدها و رکوردها بدین منظور استفاده می شود. قبل از انجام هریک از روش های یافتن رکوردهای تکراری، باید داده ها آماده سازی شوند مثلاً یکسان سازی واحدها (مثل همه جا از متر استفاده شود) پس از آماده سازی داده ها قابل مقایسه می شوند. یکی از روشهای تطبیق فیلدها و رکوردها مبتنی بر کاراکتر، روش تطابق وزن دار است که در زیر به تفصیل شرح داده می شود. در این مقاله روشی ارائه شده است که از الگوریتم ژنتیک به همراه روش تطابق وزن دار استفاده شده است و به میزان معقول تری دست یافتیم.