پالایش داده رکوردهای هویتی افراد بکمک تطبیق تقریبی آنها

Publish Year: 1382
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,547

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ACCSI09_060

تاریخ نمایه سازی: 4 بهمن 1386

Abstract:

داده ها در دنیای واقعی پر از خطا، ناقص و ناسازگار هستند . هدف از پالایش داده ها رفع این نواقص اطلاعاتی است . سیستم هویتی در یک سازمان وظیفه شناسایی افراد شرکت کننده در آن سازمان را بر عهده دارد. بدلیل وجود خطا در هنگام تولید اطلاعات مشخصات هویتی، در عمل رکوردهای هویتی متفاوتی برای یک فرد واحد تولید می گردد. این مقاله به دنبال یافتن الگوریتمی جهت شناسایی رکوردهای متعددی است که به یک فرد در سیستم تعلق دارد تا امکان پالایش داده ها میسر گردد. برای این منظور از ایده فاصله لونشتین جهت میزان مشابهت بین دو رکورد استفاده شده است. فاصله لونشتین برای تعیین مشابهت بین هر دو رشته ای قابل استفاده است. اما در اینجا این الگوریتم در کاربردخاص ذکر شده تخصصی شده است. اشتباهات رایج تایپی در زبان فارسی، اهمیت مکان کاراکتر ها در شته ها، حذف اطلاعات رج زده شده ازجمله مواردی است که به ایده اولیه فاصله لونشتین اضافه شده است. از انجا که در این مقاله مسئله تطبیق رکوردها مطرح است، اهمیت فیلدهای هر رکورد در میزان مشابهت از طریق ضرایبی تعیین می شود. برای بدست آورد ضرایب بهینه الگوریتم ژنتیکی مورد استفاده قرار گرفته تا از طریق یادگیری از نمونه های موجود بهینه ترین ضرایب محاسبه گردند. نتایج شبیه سازی موید بهبود قابل توجه سیستم در شناسایی رکوردهای مشابه پس از اعمال نکات فوق است.

Authors

رامین رهنمون

سازمان تامین اجتماعی - دفتر راهبری سیستم ها

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 :
  • D. E. Goldberg, Genetic Algorithms in Search Optimization and Machine ...
  • J. Han, M. Kamber, Data Mining : Concepts and Techniques, ...
  • M. A. Hernadez, S.J.Stolfo, "Real-world Data is Dirty: Data Cleansing ...
  • J. A. Hylton, Identifying and Merging Related Bibliograph ical Records, ...
  • M. Kantardzic, Data Mining : Concepts, Methods, and Algorithms, IEEE ...
  • K. Kukich, "Techniques for Automatically Correcting Words in Text", ACM ...
  • A. E. Monge, Adaptive Detection of Approximately Duplicate Database Records ...
  • A. E. Monge, C. P. Elkan, _ The Field Matching ...
  • V. S. Verykios, A. K.Elmagarmid, E.H.Houstis, "Automating the Approximate Record ...
  • V. S. Verykios, G _ V .Moustakides, " A Cost ...
  • نمایش کامل مراجع