Verallgemeinertes Verfahren - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 68

Partitions- Anzahl Precision Recall F-Measure

größe Tupelvergleiche

3 19523 0.9400 0.7886 0.8577

4 21963 0.9400 0.7886 0.8577

5 25379 0.9400 0.7886 0.8577

6 29285 0.9407 0.7987 0.8639

7 33466 0.9368 0.7953 0.8603

8 37823 0.9368 0.7953 0.8603

9 42297 0.9409 0.8020 0.8659

10 46851 0.9373 0.8020 0.8644

11 51461 0.9370 0.7987 0.8623

12 56118 0.9375 0.8054 0.8664

13 60828 0.9409 0.8020 0.8659

14 65528 0.9373 0.8020 0.8644

15 70278 0.9380 0.8121 0.8705

16 75033 0.9368 0.7953 0.8603

17 79796 0.9339 0.8054 0.8649

18 84573 0.9419 0.8154 0.8741

19 89382 0.9365 0.7919 0.8582

20 94187 0.9339 0.8054 0.8649

21 99003 0.9382 0.8154 0.8725

22 103798 0.9339 0.8054 0.8649

23 108599 0.9302 0.8054 0.8633

24 113445 0.9341 0.8087 0.8669

25 118248 0.9269 0.8087 0.8638

26 123078 0.9377 0.8087 0.8685

27 127914 0.9305 0.8087 0.8654

Tabelle 6.2: Ergebnisse des verallgemeinerten Verfahrens

Der Recall des verallgemeinerten Verfahrens ist zunächst identisch mit dem der
Sorted-Neighborhood-Methode. Ab einer Partitionsgröße m 6 liegt der Recall

des verallgemeinerten Verfahrens über dem der Sorted-Neighborhood-Methode,
fällt ab einer Partitionsgröße von m

=

11 jedoch darunter. An der Stelle dieses
Schnittpunkts erreicht die Sorted-Neighborhood-Methode eine Fenstergröße von

=