Verallgemeinertes Verfahren - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 73

Abbildung 6.8 zeigt die Werte des F-Measure in Abhängigkeit von der An-
zahl der Tupelvergleiche. Für die Überlagerungsgrößen u 4 ist im

oberen Teil der Abbildung zu erkennen, dass das F-Measure weitestgehend dem
F-Measure der Überlagerungsgröße u

= 3 und u =

= 2 entspricht. Die beiden Graphen sind je-

doch gegenüber u 2 auf der x-Achse nach rechts verschoben. Dies bedeutet, dass

sie mehr Tupelvergleiche benötigen, ohne das Ergebnis zu verbessern.
Im unteren Teil der Abbildung wird u

=

6 verglichen. Der
Effekt der auf der x-Achse verschobenen Graphen ist auch hier zu beobachten. Al-
lerdings wird bei steigender Überlappungsgröße der Ausschlag der Kurven abge-
mildert. Unter Berücksichtigung von F-Measure und der Anzahl Tupelvergleiche
ist zu erkennen, dass eine Überlappungsgröße u

= 2 mit u = 5 und u =

= 2 ein geeigneter Wert für die

CD-Testdaten ist.

0.876

u=2
u=3
u=4

0.872

0.868

0.864

0.86

0.856

20000 40000 60000 80000 100000 120000

Tupelvergleiche

0.876

u=2
u=5
u=6

0.872

0.868

0.864

0.86

0.856

20000 40000 60000 80000 100000 120000

Tupelvergleiche

Abbildung 6.8: Vergleich des F-Measure für verschiedene Überlagerungsgrößen