Verallgemeinertes Verfahren - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 71

Das F-Measure, welches als harmonisches Mittel aus Precision und Recall defi-
niert ist, ist in Abbildung 6.7 graphisch dargestellt. Hier sind die gleichen Auffäl-
ligkeiten im Kurvenverlauf des verallgemeinerten Verfahrens zu beobachten, wie
schon bei Precision und Recall. Zunächst entspricht das F-Measure bei gleicher
Anzahl an Tupelvergleichen dem der Sorted-Neighborhood-Methode. Bei einer
Partitionsgröße m

6 ist ein Anstieg wie beim Recall zu beobachten. Im weite-
ren Verlauf des Graphen kommt es bei m

=

11 jedoch wieder zu einem Schnitt-
punkt mit der Sorted-Neighborhood-Methode. Das F-Measure liegt zweitweise so-
gar über demWert des vollständigen Vergleichs. Mit zunehmender Partitionsgröße
kommt es zu ähnlichen Ausschlägen wie beim Blocking. Das F-Measure des ver-
allgemeinerten Verfahrens bleibt jedoch stets über dem des Blockings.

=

0.9

0.88

m=6 m=11

0.86

w=4

0.84

0.82

0.8

0.78

Vollständiger Vergleich mit transitiver Hülle
Vollständiger Vergleich ohne transitive Hülle
Blocking
Sorted Neighborhood
Neues Verfahren, u=2

0.76

0 20000 40000 60000 80000 100000 120000

Anzahl Vergleiche

Abbildung 6.7: Vergleich des F-Measure