지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김종익
- 발행연도
- 2016
- 저작권
- 전북대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
String similarity search is an important operation widely used in many application areas such as information retrieval and data cleaning. In order to evaluate a similarity query efficiently, many techniques make use of q-gram inverted lists. The existing techniques initially generate candidate strings by scanning inverted lists and then verify them. Since candidate verification phase consumes most of query processing time, it is very important to make the number of initially generated candidate strings as small as possible.
We have observed that we can remove unnecessary elements in an inverted list using positions of q-gram tokens in a data string and a similarity threshold given in a query. Based on the observation, we propose an new inverted list structure which is divided into multiple sub-lists according to q-gram positions in data strings. Given the proposed inverted lists of a query string and a similarity threshold, we generate candidates by merging sub-lists of the inverted lists which are determined by the similarity threshold. Through experiments on real data sets, we show that the proposed technique substantially reduces the number of candidates and improve performance of similarity query processing significantly.
We have observed that we can remove unnecessary elements in an inverted list using positions of q-gram tokens in a data string and a similarity threshold given in a query. Based on the observation, we propose an new inverted list structure which is divided into multiple sub-lists according to q-gram positions in data strings. Given the proposed inverted lists of a query string and a similarity threshold, we generate candidates by merging sub-lists of the inverted lists which are determined by the similarity threshold. Through experiments on real data sets, we show that the proposed technique substantially reduces the number of candidates and improve performance of similarity query processing significantly.
목차
1. 서 론 31.1 연구 배경 31.2 연구 내용 51.3 논문 구성 62. 배경 지식 및 관련 연구 72.1 Q?그램 집합 72.2 집합 유사도 82.3 역 리스트 102.4 Prefix-필터링 122.5 관련 연구 133. 위치 기반 분할 역 리스트 구성 163.1 문자열 원소 위치 정보 탐색 163.2 문자열 원소 위치 정보가 포함된 역 리스트 구성 193.3 위치 기반 분할 역 리스트 탐색 254. 실험 및 성능 평가 325. 결론 37참 고 문 헌 38
최근 본 자료
댓글(0)
0