位置:成果数据库 > 期刊 > 期刊详情页
中文地名数据清洗中的重复字段匹配
  • ISSN号:0255-8297
  • 期刊名称:应用科学学报
  • 时间:2013.3.30
  • 页码:212-220
  • 分类:TP311[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]西安理工大学计算机科学与工程学院,西安710048, [2]西安交通大学机械制造系统工程国家重点实验室,西安710048
  • 相关基金:国家自然科学基金(No.61172018);国家“863”高技术研究发展计划基金(No.2007AA010305);陇西水利科技计划项目基金资助
  • 相关项目:面向室内复杂环境的RFID定位方法研究
中文摘要:

为了提高中文地名字段匹配的准确度,提出中文地名的相似重复检测与清洗策略和矩阵相似重复匹配方法.该清洗策略采用矩阵相似重复匹配方法,通过矩阵运算计算中文地名数据之间相同字符或者词语出现的频率,利用频率计算两者之间的语义相似度和结构相似度,然后将语义和结构相似性有机结合,作为相似性判断和重复数据清洗的依据.实验验证了该方法的可行性和有效性.结果表明,该方法对于中文地名字段匹配在查准率和召回率方面优于已有的其他算法.

英文摘要:

To improve accuracy of field matching of Chinese placenames, an approximate duplicate detection and cleaning strategy and a matrix approximate duplicate matching method are proposed. In the strategy, a matrix approximate duplicate matching method is used. Frequencies of the same Chinese characters or words between two Chinese placenames can first be calculated with a matrix operation. Semantic similarity and structure similarity can be calculated using the frequencies. By combining semantic and structure similarities, they are considered as the basis of duplicate detection and data cleaning. Simulation experiments are conducted to prove feasibility and validity of the method, showing that the matrix approximate duplicate matching method is better than other existing methods in terms of orecision and recall ratio.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《应用科学学报》
  • 中国科技核心期刊
  • 主管单位:上海市教育委员会
  • 主办单位:上海大学 中国科学院上海技术物理研究所
  • 主编:王延云
  • 地址:上海市上大路99号123信箱
  • 邮编:200444
  • 邮箱:yykxxb@departmenl.shu.edu.cn
  • 电话:021-66131736
  • 国际标准刊号:ISSN:0255-8297
  • 国内统一刊号:ISSN:31-1404/N
  • 邮发代号:4-821
  • 获奖情况:
  • 首届中国高校优秀科技期刊,第2届中国高校优秀科技期刊奖,全国高校优秀科技期刊,中国科技期刊方阵双效期刊,上海市优秀科技期刊,首届《CAJ-CD》执行优秀期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰文摘与引文数据库,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:4747