版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、字符串相似連接是指在字符串集中按照指定的相似性度量方法找出所有相似度滿足給定閾值的字符串對(duì),具有廣泛的應(yīng)用領(lǐng)域。例如:相似網(wǎng)頁(yè)檢測(cè)、實(shí)體解析、協(xié)同過(guò)濾、數(shù)據(jù)整合與清洗等。相似連接作為許多應(yīng)用的基本操作,其效率是影響數(shù)據(jù)處理性能的關(guān)鍵,已成為數(shù)據(jù)管理研究領(lǐng)域的熱點(diǎn)問(wèn)題之一。
在最近幾年提出的相似連接算法中,基于劃分的過(guò)濾-驗(yàn)證方法(PassJoin)脫穎而出。它既能適用于長(zhǎng)字符串,也能適用于短字符串,是目前最為高效的相似連接算法
2、。該方法按照字符串長(zhǎng)度遞增的順序訪問(wèn)字符串集合,通過(guò)查找一個(gè)字符串的劃分塊是否存在于另一個(gè)字符串中,快速篩選出可能相似的字符串對(duì)(候選集),然后利用編輯距離進(jìn)行相似性驗(yàn)證。
經(jīng)我們研究發(fā)現(xiàn),按照字符串長(zhǎng)度遞減的順序進(jìn)行過(guò)濾(長(zhǎng)度遞減過(guò)濾)產(chǎn)生的候選集與按照長(zhǎng)度遞增的順序過(guò)濾(長(zhǎng)度遞增過(guò)濾)產(chǎn)生的候選集不同,并且長(zhǎng)度遞減過(guò)濾效果優(yōu)于長(zhǎng)度遞增過(guò)濾。由此推出:雙向過(guò)濾能產(chǎn)生更小的候選集。為了充分利用雙向過(guò)濾帶來(lái)的優(yōu)勢(shì),本文提出基于
3、pipeline方式的雙向過(guò)濾-驗(yàn)證機(jī)制:在過(guò)濾階段,首先執(zhí)行長(zhǎng)度遞減過(guò)濾,并在長(zhǎng)度遞減過(guò)濾結(jié)果的基礎(chǔ)上進(jìn)行長(zhǎng)度遞增過(guò)濾,這樣做既可以獲得最小的候選集,也能最大限度地降低雙向過(guò)濾的開(kāi)銷;其中采用基于雙向過(guò)濾的多匹配感知子串選擇算法為字符串選擇與劃分塊相匹配的子串。在驗(yàn)證階段,利用雙向過(guò)濾產(chǎn)生的兩對(duì)劃分塊和其匹配子串分隔字符串對(duì),將字符串劃分成五個(gè)部分,再分別對(duì)分隔開(kāi)的子串進(jìn)行相似性驗(yàn)證,如此可以減小需要驗(yàn)證的字符串的長(zhǎng)度,加速驗(yàn)證過(guò)程。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 相似字符串匹配過(guò)濾算法研究.pdf
- 基于編輯距離的字符串相似連接的研究.pdf
- 相似字符串查找算法研究.pdf
- cmd批處理替換字符串、截取字符串、擴(kuò)充字符串
- Top-k字符串相似連接算法性能優(yōu)化研究.pdf
- 分布并行字符串相似性連接方法研究與應(yīng)用.pdf
- 基于反向過(guò)濾的近似字符串匹配及其優(yōu)化技術(shù).pdf
- 最小公共字符串劃分問(wèn)題的算法研究.pdf
- 基于局部過(guò)濾的字符串近似匹配算法和優(yōu)化技術(shù).pdf
- 基于Appgram的字符串近似搜索與連接的研究與改進(jìn).pdf
- php字符串操作函數(shù)
- 字符串類型轉(zhuǎn)換總結(jié)
- rfc1558_ldap研究過(guò)濾器的字符串表達(dá)
- c++字符串分詞
- 基于后綴數(shù)組的近似字符串匹配.pdf
- 基于GPU的字符串核函數(shù)并行實(shí)現(xiàn).pdf
- 字符串模式匹配---bf算法
- visual basic字符串處理函數(shù)
- 基于編輯距離字符串Top-k相似性搜索算法的研究.pdf
- 課程設(shè)計(jì)--- 字符串排序
評(píng)論
0/150
提交評(píng)論