【摘 要】
：
数据清洗中很重要的一步是实体识别,实体识别要做到将数据与实际物体一一对应.但其中有2个问题:一个是同一个物体可能具有不同或者相似的名字,这会造成有大量重复的数据需要
【机 构】
：
哈尔滨工业大学计算机科学与技术学院
【基金项目】
：
国家“九七三”重点基础研究发展计划基金项目(2012CB316200);国家自然科学基金项目(61003046,61111130189);国家“八六三”高技术研究发展计划基金项目(2012AA011004);国家博士后基金项目(20090450126,201003447);教育部高等学校博士学科点专项科研基金项目(20102302120054);哈尔滨工业大学优秀青年教师培养计划基金项目(HI
论文部分内容阅读
数据清洗中很重要的一步是实体识别,实体识别要做到将数据与实际物体一一对应.但其中有2个问题:一个是同一个物体可能具有不同或者相似的名字,这会造成有大量重复的数据需要清理;另一个是同一个名字可能代表着不同的物体即为重名现象,这会给清洗工作带来阻碍需要识别并避免.而现有的算法大多只是解决了第1个问题,只有在EIF系统中同时解决两个问题.可是EIF系统又不适宜解决数据量较大的问题且其中的解决同一物体不同名字问题的算法有待提高.因此利用并行处理平台Hyracks设计并行算法,提出了PEIF:基于并行机群的大数据实
其他文献
运用定量分析和定性分析相结合的办法,以中韩两国企业技术创新环境的异同作为切入点和研究对象,深入分析两国企业技术创新环境的异同,进而对中韩两国企业创新状况和技术创新
随着时代的发展,我们小学生的写作能力不仅没有跟上时代的步伐,反而在走下坡路。引起了不少老师、家长的关注和思考。对此,本文通过对小学作文教学存在的几大问题进行分析和
柑橘小实蝇，属双翅目实蝇科实蝇属，是一种为害250多种果树、蔬菜类果实的毁灭性害虫。武平县已发现柑橘小实蝇在脐橙、柚子、芦柑、温州蜜柑、番石榴、梨等果树上为害,近几年来
针对石化装置区水喷雾灭火系统可靠性研究中,故障树分析方法可靠度取值单一的局限性,构建基于故障树的贝叶斯网络模型,定量计算系统的可靠度分布,并确定系统失效模式,以及防
机电设备在洗煤厂生产中占有重要的地位,科学合理的设备管理与维护是洗煤厂进行安全生产和获得经济效益的保障。分析了当前洗煤厂机电设备管理与维护方面存在的问题,并根据具
糖尿病合并高糖高渗状态及酮症酸中毒是常见的急危重症，其治疗原则是大剂量补液及小剂量胰岛素输注以达到纠正脱水，控制血糖的目的。
在小学阶段,计算能力是学生应该具备的一种最基本的能力。在计算能力中,口算显得尤为重要。口算是笔算、估算、简便运算和验算的基础,是计算能力的重要组成部分,也是训练思维
“天山共色”是吴均《与朱元思书》中的一个句子。《与朱元思书》被选人人教版义务教育课程标准实验教科书《语文》八年级下册。《与朱元思书》是一篇由清词丽句构成的写景小
<正>据调查,韩国人酷爱咖啡,饮用咖啡的频率甚至超过食用韩国代表性饮食白菜泡菜和米饭的频率。韩国农林畜产食品部和农水产食品流通公社1月16日发布的一份报告显示,韩国人每
张易之、张昌宗死因考辨赵强张易之、张昌宗兄弟二人是女皇武则天晚年最为偏爱的两位男宠。他们二人忠心耿耿地侍奉武则天安享晚年，但最后却因“谋反”罪含冤九泉。《旧唐书》