[發(fā)明專利]一種用于實(shí)體匹配的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201510329196.3
• 申請(qǐng)日: 2015-06-15
• 公開(kāi)（公告）號(hào): CN104866625B
• 公開(kāi)（公告）日: 2018-08-17
• 發(fā)明（設(shè)計(jì)）人: 李直旭;楊強(qiáng);蔣俊
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)張家港工業(yè)技術(shù)研究院;蘇州大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 常亮

1.一種用于實(shí)體匹配的方法，其特征在于，該方法包括：

根據(jù)兩個(gè)待處理實(shí)體的屬性值分布分別確定各自的屬性區(qū)分度；

根據(jù)所述兩個(gè)待處理實(shí)體的非主屬性的值計(jì)算得到所述兩個(gè)待處理實(shí)體的屬性相似度；

將所述屬性區(qū)分度和所述屬性相似度加權(quán)求和得到所述兩個(gè)待處理實(shí)體的實(shí)體相似度；

將所述實(shí)體相似度與相似度閾值進(jìn)行對(duì)比，判斷所述兩個(gè)待處理實(shí)體的相似性；

其中，所述實(shí)體相似度的計(jì)算公式為：

其中，F(xiàn)_baseline(t,s)表示實(shí)體t和實(shí)體s的實(shí)體相似度，S_NK表示實(shí)體的非主屬性構(gòu)成的集合，difScore(A)表示實(shí)體t中屬性A的區(qū)分度與實(shí)體s中屬性A的區(qū)分度的平均值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述屬性區(qū)分度的計(jì)算公式為：

其中，difScore(A_i,T)表示數(shù)據(jù)表T中屬性A_i的區(qū)分度，distinct(A_i,T)表示數(shù)據(jù)表T中屬性A_i不同值的個(gè)數(shù)，|T|表示數(shù)據(jù)表T中的實(shí)體數(shù)目。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述屬性相似度的計(jì)算公式為：

Similarity(A)＝sim(t_i[A],s_i[A])

其中，Similarity(A)表示兩個(gè)待處理實(shí)體中屬性A的相似度，t_i[A]表示實(shí)體t_i中屬性A的值，s_i[A]表示實(shí)體s_i中屬性A的值。

4.一種用于實(shí)體匹配的系統(tǒng)，其特征在于，該系統(tǒng)包括：

確定單元，用于根據(jù)兩個(gè)待處理實(shí)體的屬性值分布分別確定各自的屬性區(qū)分度；

計(jì)算單元，用于根據(jù)所述兩個(gè)待處理實(shí)體的非主屬性的值計(jì)算得到所述兩個(gè)待處理實(shí)體的屬性相似度；

求和單元，用于將所述屬性區(qū)分度和所述屬性相似度加權(quán)求和得到所述兩個(gè)待處理實(shí)體的實(shí)體相似度；

判斷單元，用于將所述實(shí)體相似度與相似度閾值進(jìn)行對(duì)比，判斷所述兩個(gè)待處理實(shí)體的相似性；

其中，所述實(shí)體相似度的計(jì)算公式為：

其中，F(xiàn)_baseline(t,s)表示實(shí)體t和實(shí)體s的實(shí)體相似度，S_NK表示實(shí)體的非主屬性構(gòu)成的集合，difScore(A)表示實(shí)體t中屬性A的區(qū)分度與實(shí)體s中屬性A的區(qū)分度的平均值。

5.根據(jù)權(quán)利要求4所述的系統(tǒng)，其特征在于，所述屬性區(qū)分度的計(jì)算公式為：

其中，difScore(A_i,T)表示數(shù)據(jù)表T中屬性A_i的區(qū)分度，distinct(A_i,T)表示數(shù)據(jù)表T中屬性A_i不同值的個(gè)數(shù)，|T|表示數(shù)據(jù)表T中的實(shí)體數(shù)目。

6.根據(jù)權(quán)利要求4所述的系統(tǒng)，其特征在于，所述屬性相似度的計(jì)算公式為：

Similarity(A)＝sim(t_i[A],s_i[A])

其中，Similarity(A)表示兩個(gè)待處理實(shí)體中屬性A的相似度，t_i[A]表示實(shí)體t_i中屬性A的值，s_i[A]表示實(shí)體s_i中屬性A的值。