Part-Join:基于划分的字符串相似性连接

摘要：

目前,已有许多高效的字符串相似性连接算法被提出,但是这些算法在过滤的过程中利用的往往是字符串本身的局部信息,而忽略了字符串集合的整体信息,故性能没有得到充分的提高.为此,提出了一种基于划分的算法Part-Join,它从频率向量、字母表、频率分布三方面对数据集进行子集划分,并给出子集间的过滤策略用于排除不相似的字符串对.扩展实验表明,Part-Join比已有算法Pass-Join效率提高了10％ ～ 15％.

关键词：相似性连接、划分、频率、编辑距离

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划资助项目2012CB316202

在线出版日期：2014-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3002-3006