关系数据库中近似重复记录的识别

摘要

数据清理转换是数据仓库中的一个重要研究领域,其技术难点之一是重复记录的识别.介绍了与重复记录识别相关的字符串匹配方法,详细讨论了识别重复记录的分区式优先队列算法、多趟邻近排序法以及邻近连接法,最后给出了实验结果.