Package org.aksw.limes.core.measures.mapper.string

Class PPJoinPlusPlus

java.lang.Object

org.aksw.limes.core.measures.mapper.AMapper

org.aksw.limes.core.measures.mapper.string.PPJoinPlusPlus

All Implemented Interfaces:

IMapper

public class PPJoinPlusPlus
extends AMapper

Die Implementierung von PPJoin+ Algorithmus. Der Algorithmus bestimmt alle Paare von Objekten, deren Ähnlichkeit aufgrund des verwendeten Ähnlichkeitsmaßes über einem angegebenen Schwellwert (threshold) liegt. Der Prozess der Duplikaterkennung mit PPJoin+ kann in drei Phasen gegliedert werden. Das sind: die Tokenisierung der Eingabe (tokenizer), die Generierung von Kandidatenpaaren und ihre Verifikation. Um nicht alle Objekte miteinander vergleichen zu müssen, werden bei der Kandidatengenerierung drei Filterstrategien eingesetzt: Präfix-Filterung (prefix filtering), positionelle Filterung (positional filtering) und Suffix-Filterung (suffix filtering). Sie reduzieren die Anzahl der Kandidaten, die schließlich miteinander verglichen werden müssen. Diese Implementierung des Algorithmus unterstützt drei Ähnlichkeitsmaße: Jaccard-, Cosine- und Trigram-Ähnlichkeit. Siehe detaillierte Beschreibung von PPJoin+.

Version:

1.0

Author:

Dawid Kotlarz

Nested Class Summary

Nested classes/interfaces inherited from interface org.aksw.limes.core.measures.mapper.IMapper

IMapper.Language

Constructor Summary

Constructors

Constructor	Description
PPJoinPlusPlus()

Method Summary

Modifier and Type	Method	Description
AMapping	getMapping(ACache source, ACache target, String sourceVar, String targetVar, String expression, double threshold)	Computes a mapping between a source and a target.
double	getMappingSizeApproximation(int sourceSize, int targetSize, double threshold, IMapper.Language language)	Returns the estimated mapping size of the mapping computed by the mapper.
String	getName()	Returns the name of the mapper.
double	getRuntimeApproximation(int sourceSize, int targetSize, double threshold, IMapper.Language language)	Returns the estimated time needed to obtain the mapping computed by the mapper.
static int	overlap(algorithms.ppjoinplus.Record x, int beginnX, algorithms.ppjoinplus.Record y, int beginnY)	Berechnet die Überlappung zwischen zwei Datensätzen mithilfe ihrer Tokens

Methods inherited from class org.aksw.limes.core.measures.mapper.AMapper

getUriToUriMapping, getUriToUriMapping, getValueToUriMap, setNo

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Constructor Detail

PPJoinPlusPlus

public PPJoinPlusPlus()

Method Detail

overlap

public static int overlap(algorithms.ppjoinplus.Record x,
                          int beginnX,
                          algorithms.ppjoinplus.Record y,
                          int beginnY)

Berechnet die Überlappung zwischen zwei Datensätzen mithilfe ihrer Tokens

Parameters:

x - erster Datensatz

beginnX - Position des Anfangstokens vom ersten Datensatz

y - zweiter Datensatz

beginnY - Position des Anfangstokens vom zweiten Datensatz

Returns:

Überlappung von x und y

getName

public String getName()

Description copied from interface: IMapper

Returns the name of the mapper.

Returns:

Mapper name as a string

getMapping

public AMapping getMapping(ACache source,
                           ACache target,
                           String sourceVar,
                           String targetVar,
                           String expression,
                           double threshold)

Computes a mapping between a source and a target.

Parameters:

source - Source cache

target - Target cache

sourceVar - Variable for the source dataset

targetVar - Variable for the target dataset

expression - Expression to process.

threshold - Similarity threshold

Returns:

A mapping which contains links between the source instances and the target instances

getRuntimeApproximation

public double getRuntimeApproximation(int sourceSize,
                                      int targetSize,
                                      double threshold,
                                      IMapper.Language language)

Description copied from interface: IMapper

Returns the estimated time needed to obtain the mapping computed by the mapper.

Parameters:

sourceSize - source size

targetSize - target size

threshold - atomic specification threshold

language - language of source and target variables

Returns:

estimated runtime, as double

getMappingSizeApproximation

public double getMappingSizeApproximation(int sourceSize,
                                          int targetSize,
                                          double threshold,
                                          IMapper.Language language)

Description copied from interface: IMapper

Returns the estimated mapping size of the mapping computed by the mapper.

Parameters:

sourceSize - source size

targetSize - target size

threshold - atomic specification threshold

language - language of source and target variables

Returns:

estimated execution time, as double