Detecção e eliminação de duplicados

3 dezembro 2010, 11:30 • Helena Galhardas

Record Linkage ou detecção de registos duplicados:

• Principais passos
• Método Sorted Neighborhood para redução do tempo de execução

Detecção de duplicados entre elementos XML

3 dezembro 2010, 10:00 • Bruno Emanuel Da Graça Martins

• Exercícios sobre detecção de duplicados entre elementos XML.
• Apoio ao mini-projecto.

Detecção de duplicados entre elementos XML

2 dezembro 2010, 14:00 • Bruno Emanuel Da Graça Martins

• Exercícios sobre detecção de duplicados entre elementos XML.
• Apoio ao mini-projecto.

Detecção de duplicados entre elementos XML

2 dezembro 2010, 09:30 • Bruno Emanuel Da Graça Martins

• Exercícios sobre detecção de duplicados entre elementos XML.
• Apoio ao mini-projecto.

String matching (cont.)

2 dezembro 2010, 08:00 • Helena Galhardas

Medidas de semelhança entre cadeias de caracteres:

• baseadas em sequência de caracteres: medida de Jaro e Jaro-Winkler.
• baseadas em conjuntos de tokens: overlap, Jaccard, e TF/IDF.
• baseadas em fonética: soundex.

Algoritmos para tornar eficiente o cálculo da semelhança entre conjuntos grandes de cadeias de caracteres - baseados em blocking:

• índices invertidos sobre cadeias de caracteres
• Filtragem pelo tamanho das cadeias de caracteres.