基于过滤的并行字符串相似性连接方法

摘要：

对现有的PP-Join相似连接方法进行研究,提出一种处理字符串相似连接方法TriP-Join,采用并行处理.对字符串集合中记录进行分段处理,依此求出记录的前缀长度;在候选阶段动态地建立反向索引表,根据反向索引表筛选出每个记录的候选集;并行地对每个记录候选集进行验证.实验结果表明,在双核处理器环境下,相似连接方法节省时间在20%~25%,相似连接时间随着阈值减小和数据量增大急剧降低.对PP-Join处理方式进行优化,减少对相同字符串的重复处理,使其并行效果更优,进一步降低字符串相似连接时间.

关键词：字符串相似连接、候选集、反向索引表、过滤、并行

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

在线出版日期：2017-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：389-394