A benchmark study of clustering based record linkage methods
Öbekleştirme temelli kayıt eşleştirme yöntemlerinin karşılaştırmalı değerlendirmesi
- Tez No: 259012
- Danışmanlar: YRD. DOÇ. DR. YÜCEL SAYGIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Kayıt bağlama (ya da kayıt eşleştirme) veri setlerindeki aynı nesneyi kasteden kayıtları belirlemeye çalışır. Bu nesneler kişi veya ilgilenilen her hangi bir nesne olabilir. Bu çalışmada, kayıt eşleştirmelerinde kullanılan öbekleştirme algoritmalarının bir performans kıyaslaması yerine getirildi. Bu ilginin sebebi şuydu, makine öğrenmesinin yükselmesi ile kayıt eşleştirme uyan ve uymayan diye iki sınıflı bir sınıflandırma olarak düşünülmeye başladı. Karşılaştırılacak çiftler, ikinci dereceden zorluğu önlemek için olası bir karşılaştırmaların azaltılması ile veri setindeki kayıtlardır. Performans kıyaslama ihtiyacı sebebi deneylerin sınıflandırma işlemi için elde yeterince eğitme verisinin bulunması nedeniyle deneycinin denetlenen şekilde ilerleyebildiği varsayımıdır. Ancak, gerçek hayat senaryolarında durum genelde bu değildir. Bu sebeple, bu kıyaslama çalışmasında, üç ana öbekleştirme algoritması üç kasten farklı karakteristikte seçilmiş veri seti üzerinde uygulanmıştır.
Özet (Çeviri)
Record linkage (or record matching) tries to identify the records in datasets which represent the same entity. These entities could be people or any other entity of interest. In this study, there has been processed a benchmark of clustering algorithms used in record linkage was conducted. The reason for the interest was that with the rise of the machine learning, record linkage has been considered as a classification problem with two classes of matched and unmatched pairs. The pairs to be compared are the entries in the dataset with a possible reduction of comparisons to avoid the quadratic complexity. The reason for the need for the clustering benchmark is that the experiments are processed by assuming that the experimenter has substantial training data for the classification procedure so that he can proceed in a supervised fashion. However, this is usually not the case in real life scenarios. For that reason, in this benchmarking study, the main three clustering algorithms are applied on three different datasets which are selected with different characteristics on purpose.
Benzer Tezler
- A location-routing problem for the municipal solid waste management system
Evsel katı atık yönetim sistemi için bir yerleşim-rotalama problemi
CEMAL CAN AYANOĞLU
Yüksek Lisans
İngilizce
2007
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEDEF MERAL
- Neighborhood construction-based multi-objective evolutionary clustering algorithm with feature selection
Komşuluk kurma bazlı çok amaçlı evrimsel kümeleme ve öznitelik seçimi
CANSU ALAKUŞ
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiYöneylem Araştırması Ana Bilim Dalı
PROF. DR. NUR EVİN ÖZDEMİREL
DOÇ. DR. CEM İYİGÜN
- A K-means clustering-based shape retrieval technique for 3D mesh models
Üç boyutlu çözüm ağları için K-means kümeleme tabanlı şekil araması
MOHAMMADHASSAN REZAEI
Yüksek Lisans
İngilizce
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERKAN GÜNPINAR
- Characterizing and detecting cohesive subgroups with applications tosocial and brain network
Yogun ve uyumlu alt grupları karakterize etme ve tespit etme, sosyal media ağları ve beyin ağlari
MAKBULE ZEYNEP ERTEM OKTAY
Doktora
İngilizce
2015
Endüstri ve Endüstri MühendisliğiTexas A&M UniversityEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SERGİY BUTENKO
- Type-2 fuzzy clustering for fuzzy modeling applications
Bulanık modelleme uygulamaları için tip-2 bulanık kümeleme
AYŞE ÇİSEL ARAS
Doktora
İngilizce
2014
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKYAY KAYNAK