haku: @instructor Soisalon-Soininen, Eljas / yhteensä: 16
hakutulos-lista
viite: 10 / 16
« edellinen | seuraava »
Tekijä:Pham, Thach
Työn nimi:Multiple Column Approximate Match
Monisarakkeen sumeahaku
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2004
Sivut:62      Kieli:   eng
Koulu/Laitos/Osasto:Tietotekniikan osasto
Oppiaine:Ohjelmistotekniikka   (Tik-106)
Valvoja:Soisalon-Soininen, Eljas
Ohjaaja:Soisalon-Soininen, Eljas
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto     | Arkisto
Avainsanat:datavase query
approximate match
Levenshtein edit distance
dynamic programming
IDA search
Patricia trie
Fibonacci heap
data distribution
tietokantahaku
sumeahaku
Levenshtein edit-etäisyys
dynaaminen ohjelmointi
IDA haku
Patricia trie
Fibonacci-keko
tietojen hajautus
Tiivistelmä (fin):Perinteinen tietokanta on pääosin suunniteltu nopeaan ja luotettavaan tiedonhakuun.
Tämän lisäksi se voi vertailla merkkijonoja keskenään etsiäkseen vastaavia osia merkkijonoista.
Tämä onnistuu siten, että käyttäjä antaa hakusanoina merkkijonon osia käyttäen SQL LIKE, NOT LIKE tai säännöllistä lauseketta.
Kuitenkaan se ei pysty korjaamaan virheellisiä hakutermejä.
Nämä virheet voivat olla puuttuvia, ylimääräisiä tai vääriä kirjaimia, jotka sekoittavat tietokannan hakukoneen.
Sama ongelma esiintyy myös hakemisto- ja luettelohaussa, monikielihaussa, duplikaattien poistossa, tietojen siistimisessä, puheentunnistuksessa jne.

Multicolumn Match -projektin tavoitteena on ratkaista tämä ongelma käyttämällä tunnettuja algoritmeja ja joitakin parannuksia.
Tämän diplomityön tarkoituksena on analysoida parannuksia sekä teoreettisesti että käytännössä.
Teoreettinen analyysi pohjaa kirjallisuustutkimukseen ja algoritmien analyysiin, käytännön analyysi puolestaan sisältää vertailuja muiden markkinoilla olevien tuotteiden kanssa sekä kokeita, jotka testaavat tuotetun ohjelmiston erilaisia piirteitä.

Testaustuloksien mukaan käytetyt algoritmit ja rakenteet lyhentävät hakuaikaa poistamalla duplikaatteja sekä vähentämällä mahdollisten kandidaattien määrää.
Trie-rakenne dominoi hakuaikaa ja se pitäisi joko korvata jollakin tehokkaammalla rakenteella tai optimoida, jotta kokonaishakuaika lyhentyisi.
Hajautettua laskentaa täytyy parantaa.

Kokeen avulla voimme todeta, että kun virhemäärä on pieni (nollasta neljään), on Multicolumn Matcherin ohjelmisto (mCorrection) nopeampi ja skaalautuvampi kuin muut testattavat tuotteet, SSA-NAME ja FACT-Finder.
Neljällä virheellä SSA-NAME3:n keskimääräinen hakuaika näytti olevan pienin, mutta jos luottamusvälit otetaan huomioon, on mCorrection nopeampi.
Tuloksen mukaan voimme arvioida mCorrection olevan nopein, kun datatietueen määrä on iso (yhdestä miljoonasta satoihin miljooniin).
ED:2004-04-05
INSSI tietueen numero: 25111
+ lisää koriin
« edellinen | seuraava »
INSSI