文献类型：期刊文章

作　　者：崔晓军[1,2] 肖红宇[1] 丁立新[2]

机构地区：[1]温州科技职业学院信息技术系,浙江温州325006 [2]武汉大学软件工程国家重点实验室,湖北武汉430072

出　　处：《武汉大学学报（理学版）》

基　　金：国家自然科学基金(60975050);高等学校博士学科点专项科研基金(20070486081);中央高校基本科研业务费专项资金(6081014)资助项目

年　　份：2012

卷　　号：58

期　　号：1

起止页码：89-94

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：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.

关 键 词：WEB数据库 记录匹配  实体识别  比较向量  权重向量

分 类 号：TP393]