ارائه روشهایی برای افزایش دقت در یافتن رکوردهای مشابه از میان اطلاعا ت موجود در پایگاه داده های حجیم

دراین مقاله ابتدا روشهای جارو و جارووینکلر مورد بررسی قرار می گیرد بعد بهبودهایی برروی هر دو روش انجام خواهد شد که روشهای بهبود یافته جارو و بهبود یافته جارووینکلر نامیده می شود این روشها حساسیتی نسبت به کاراکترهای مشابه به هم دارند همچنین روش توکن جارو که پیاده سازی خواهد شد براین اساس است که برروی روشجارو بهبود دیگری انجام دهد که توکن وار عمل کند دراین مقاله علاوه برروشهای بهبود یافته جارو و بهبود یافته جارووینکلر و توکن جارو روش دیگری پیشنهاد شده است که کارایی خوبی برای کلمات چندبخشی دارد و دقت بهتری را برای این گونه فیلدها دارا م یباشد و همچنین با درنظرگرفتن شباهتی برای حروف مشابه دقت را در خطاهای تایپی بالا می برد بعد از پیاده سازی این روش ور وشهای دیگر مطرح شده قبلی روی دو پایگاه داده واقعی تست شدند و نتایج را مورد بررسی قرار گرفت که این روش پیشنهادی برروی پایگاه داده ها دقتی در حدود 90 درصد داشت.

کلیدواژه ها:

رکوردهای تکراری ، تشابه فیلد ، تشابه رکورد ، روش جارو Jaro ، روش جارووینکلر Jaro_winkler