BipartiteJoin: Optimal Similarity Join for Fuzzy Bipartite Matching

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F24%3A39921109" target="_blank" >RIV/00216275:25530/24:39921109 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-031-60328-0_17" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-60328-0_17</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-60328-0_17" target="_blank" >10.1007/978-3-031-60328-0_17</a>

Jazyk výsledku

angličtina

Název v původním jazyce

BipartiteJoin: Optimal Similarity Join for Fuzzy Bipartite Matching

Popis výsledku v původním jazyce

Set similarity join, crucial for data cleaning, integration, and recommendation systems, identifies set pairs exceeding a similarity threshold. Our approach combines a count Q-gram filter with maximum weighted bipartite matching, balancing accuracy and efficiency. The Qgram filter, based on the relationship between Q-gram similarity and edit distance, reduces the number of comparisons, operating in constant time on a pre-built index. This enables real-time processing, as only a minimal number of pairs are verified through Fuzzy Bipartite Matching, significantly enhancing the efficiency of similarity joins.

Název v anglickém jazyce

BipartiteJoin: Optimal Similarity Join for Fuzzy Bipartite Matching

Popis výsledku anglicky

Set similarity join, crucial for data cleaning, integration, and recommendation systems, identifies set pairs exceeding a similarity threshold. Our approach combines a count Q-gram filter with maximum weighted bipartite matching, balancing accuracy and efficiency. The Qgram filter, based on the relationship between Q-gram similarity and edit distance, reduces the number of comparisons, operating in constant time on a pre-built index. This enables real-time processing, as only a minimal number of pairs are verified through Fuzzy Bipartite Matching, significantly enhancing the efficiency of similarity joins.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Good Practices and New Perspectives in Information Systems and Technologies : WorldCIST 2024, Volume 6

ISBN

978-3-031-60327-3

ISSN

2367-3370

e-ISSN

2367-3389

Počet stran výsledku

10

Strana od-do

171-180

Název nakladatele

Springer Nature Switzerland AG

Místo vydání

Cham

Místo konání akce

Lodž

Datum konání akce

26. 3. 2024

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

001267244400017