Vergleich Blocking- und Sorted-Neighborhood-Methode - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 52

Attribut Daten- Feld- Füllgrad Beschreibung

typ länge

id integer - 100.00 % Künstlicher Primärschlüssel

cid varchar 80 100.00 % Berechneter CD-Identifizierer

(kein Schlüsselfeld)

artist1 varchar 112 100.00 % Interpret

artist2 varchar 60 2.14 % Interpret 2

artist3 varchar 10 0.02 % Interpret 3

title1 varchar 117 99.89 % Titel der CD

title2 varchar 60 2.14 % Titel der CD 2

title3 varchar 10 0.02 % Titel der CD 3

category varchar 10 100.00 % Kategorie (11 vorgegebene)

genre varchar 49 65.24 % Genre (frei wählbar)

cdextra varchar 249 33.35 % Name zusätzlicher Datenspur

year varchar 4 53.46 % Erscheinungsjahr

track01 varchar 110 100.00 % Name Lied 1

track02 varchar 118 99.92 % Name Lied 2

track03 varchar 136 99.91 % Name Lied 3

track04 varchar 156 99.91 % Name Lied 4

track05 varchar 159 99.90 % Name Lied 5

track06 varchar 165 99.90 % Name Lied 6

track07 varchar 118 99.90 % Name Lied 7

track08 varchar 126 99.89 % Name Lied 8

track09 varchar 118 99.89 % Name Lied 9

track10 varchar 113 99.89 % Name Lied 10

track11 varchar 159 98.11 % Name Lied 11

track12 varchar 116 85.32 % Name Lied 12

track13 varchar 95 44.63 % Name Lied 13

track14 varchar 104 19.66 % Name Lied 14

track15 varchar 97 6.78 % Name Lied 15

Tabelle 5.4: Testdatensätze