Verallgemeinertes Verfahren - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 72

Validierung der Überlagerungsgröße
In der bisherigen Betrachtung wurde eine Überlagerungsgröße u 2 als ge-

eigneter Wert angenommen, ohne diesen genau zu validieren. In Tabelle 6.3 sind
daher Vergleichswerte für das F-Measure bei verschiedenen Überlagerungsgrößen
dargestellt. Die Versuchsparameter wie Ähnlichkeitsfunktion, Schwellwert, Sor-
tierung etc. sind hierfür nicht geändert worden. Je nach Überlagerungsgröße sind
bei gleicher Partitionsgröße die Anzahl der Tupelvergleiche verschieden.

=

Partitions- F-Measure Neues Verfahren
größe u = 2 u = 3 u = 4 u = 5 u = 6
3 0,8577 - - - -
4 0,8577 0,8577 - - -
5 0,8577 0,8577 0,8597 - -
6 0,8639 0,8639 0,8639 0,8639 -
7 0,8603 0,8603 0,8603 0,8644 0,8664
8 0,8603 0,8603 0,8623 0,8623 0,8664
9 0,8659 0,8659 0,8659 0,8659 0,8664
10 0,8644 0,8644 0,8644 0,8644 0,8664
11 0,8623 0,8623 0,8623 0,8664 0,8664
12 0,8664 0,8664 0,8664 0,8664 0,8685
13 0,8659 0,8659 0,8659 0,8659 0,8664
14 0,8644 0,8644 0,8644 0,8644 0,8664
15 0,8705 0,8705 0,8705 0,8705 0,8705
16 0,8603 0,8603 0,8623 0,8623 0,8664
17 0,8649 0,8649 0,8649 0,8649 0,8649
18 0,8741 0,8741 0,8741 0,8741 0,8725
19 0,8582 0,8582 0,8603 0,8644 0,8669
20 0,8649 0,8649 0,8649 0,8649 0,8669
21 0,8725 0,8725 0,8725 0,8725 0,8725
22 0,8649 0,8649 0,8649 0,8689 0,8689
23 0,8633 0,8633 0,8633 0,8633 0,8654
24 0,8669 0,8669 0,8669 0,8669 0,8669
25 0,8638 0,8638 0,8638 0,8679 0,8679
26 0,8685 0,8685 0,8685 0,8685 0,8689
27 0,8654 0,8654 0,8654 0,8654 0,8674
Tabelle 6.3: Vergleich des F-Measure für verschiedene Überlagerungsgrößen