论文部分内容阅读
数据清理是数据仓库中的一个重要研究内容，近似重复记录的识别是其中的一个技术难点。文章介绍了近部排序方法，并以此为基础，研究了在数据模式与匹配规则不变的前提下，数据源动态增加时近似重复记录识别问题，提出了一种增量式算法IMPN(Incremental Multi-Pass sorted—Neighborhood)。文章最后给出了实验结果。