Partitionierung zur effizienten Duplikaterkennung in relationalen Daten [Paperback]

Duplikate bzw. Dubletten sind mehrere Datens?tze, die das gleiche Realweltobjekt beschreiben, etwa mehrfach erfasste Kunden in einem CRM-System oder unterschiedliche Repr?sentationen eines Produkts. Das Auffinden dieser Duplikate ist auch f?r moderne Computer eine komplexe und zeitintensive Aufgabe. Uwe Draisbach vergleicht zwei der einschl?gigen Partitionierungsstrategien, die eine intelligente Auswahl von zu vergleichenden Datensatzpaaren treffen. Daraus entwickelt er ein verallgemeinertes Verfahren und zeigt, dass eine intelligente Auswahl der Datensatzpaare den Aufwand signifikant reduzieren kann, ohne die Qualit?t der Duplikaterkennung wesentlich zu verringern.

?

Die Arbeit wurde mit dem Information Quality Best Master Degree Award der Deutschen Gesellschaft f?r Informations- und Datenqualit?t ausgezeichnet.

Duplikaterkennung.- Blocking-Verfahren.- Windowing-Verfahren.- Vergleich Blocking- und Sorted-Neighborhood-Methode.- Verallgemeinertes Verfahren

Uwe Draisbach studierte Informatik an der FernUniversit?t Hagen und ist wissenschaftlicher Mitarbeiter am Hasso-Plattner-Institut in Potsdam.

Duplikate bzw. Dubletten sind mehrere Datens?tze, die das gleiche Realweltobjekt beschreiben, etwa mehrfach erfasste Kunden in einem CRM-System oder unterschiedliche Repr?sentationen eines Produkts. Das Auffinden dieser Duplikate ist auch f?r moderne Computer eine komplexe und zeitintensive Aufgabe. Uwe Draisbach vergleicht zwei der einschl?gigen Partitionierungsstrategien, die eine intelligente Auswahl von zu vergleichenden Datensatzpaaren treffen. Daraus entwickelt er ein verallgemeinertes Verfahren und zeigt, dass eine intelligente Auswahl der Datensatzpaare den Aufwand signifikant reduzieren kann, ohne die Qualit?t der Duplikaterkennung wesentlich zu verringern.

?

Die Arbeit wurde mit dem Information Quality Best Master Degree Award delC&