Vergleich Blocking- und Sorted-Neighborhood-Methode - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 42

Sortierte Tupel

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

1 X

2 X

3

X

4 X

5 X

6

X

7 X

8 X

9

X

10 X

11 X

12

X

13 X

14 X

15 X

16 X

17 X

18 X

19 X

20 X

Sorted Neighborhood Methode Blocking-Verfahren

Abbildung 5.2: Vergleich Blocking- und Sorted-Neighborhood-Methode

bene Beispiel gilt 12. Betrachtet man die nur durch

die Sorted-Neighborhood-Methode zusätzlich durchgeführten Tupelvergleiche, so
wird deutlich, dass diese an den Kanten der Blöcke liegen. Der Bereich des Über-
gangs zwischen zwei Blöcken wird also durch die Sorted-Neighborhood-Methode
besser abgedeckt. Hierdurch wird offensichtlich, dass der Blockingschlüssel eine
korrekte Abgrenzung zwischen den Blöcken erreichen muss, um nicht Duplikate
zu übersehen.

| F \ B | = 9 und | B \ F | =

Das Blocking-Verfahren demgegenüber erreicht eine bessere Abdeckung bei
Elementen am Rand der Blöcke. Beim Blocking sind die Partitionen (Blöcke)
größer als die Partitionen (Fenster) der Sorted-Neighborhood-Methode. So wer-
den auch weiter auseinander liegende Elemente miteinander verglichen. Dies gilt
allerdings nur für eine Richtung der Sortierreihenfolge. Während bei der Sorted-