Формирование групп идентичных объектов
- Авторы: Антипов И.Ф.1, Дулин С.К.2, Рябцев А.Б.3,4
 - 
							Учреждения: 
							
- Волгоградский государственный университет
 - Российский университет транспорта (МИИТ)
 - ФИЦ ИУ РАН
 - Московский физико-технический институт
 
 - Выпуск: № 3 (2025)
 - Страницы: 113-120
 - Раздел: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
 - URL: https://edgccjournal.org/0002-3388/article/view/688510
 - DOI: https://doi.org/10.31857/S0002338825030118
 - EDN: https://elibrary.ru/BGYGZL
 - ID: 688510
 
Цитировать
Полный текст
Аннотация
Рассматривается подход к повышению согласованности структуры. Цель исследования заключается в выборе метода объединения идентичных объектов в группы, поскольку именно идентичные объекты могут эффективно обмениваться информацией и использовать информацию, полученную в результате этого обмена. Для достижения поставленной цели был проведен ряд экспериментов с различными методами, после чего был выбран лучший с точки зрения целевой меры качества и скорости работы. Предлагаемый подход позволяет учитывать различные характеристики объектов и связи между ними, что обеспечивает точное определение идентичных объектов, а также имеет эффективную реализацию для распределенных вычислительных систем, что делает его быстрым даже на больших объемах данных. Сравнение рассматриваемых подходов произведено на примере задачи поиска идентичных изделий для управления ассортиментом и поставками.
Ключевые слова
Полный текст
Об авторах
И. Ф. Антипов
Волгоградский государственный университет
							Автор, ответственный за переписку.
							Email: antipov.ivan.f@gmail.com
				                					                																			                												                	Россия, 							Волгоград						
С. К. Дулин
Российский университет транспорта (МИИТ)
														Email: skdulin@mail.ru
				                					                																			                												                	Россия, 							Москва						
А. Б. Рябцев
ФИЦ ИУ РАН; Московский физико-технический институт
														Email: ryabtsev.ab@phystech.edu
				                					                																			                												                	Россия, 							Москва; Москва						
Список литературы
- Creps R., Polzer H., Yanosy J. Systems, capabilities, operations, programs, and enterprises (SCOPE). Model for interoperability assessment // NetworkCentric Operations Industry Consortium, 2008. P. 154.
 - GOST R 55062-2012. Information Technology (IT). Industrial Automation Systems and Their Integration. Interoperability. Basic Provisions // Standartinform. 2014. P. 12.
 - Baas J., Dastani M., Feelders J. Exploiting Transitivity for Entity Matching // The Semantic Web: ESWC Satellite Events: Virtual Event. Revised Selected Papers 18. Cham: Springer International Publishing, 2021. P. 109–114.
 - Dulin S.K. Introduction to the Theory of Structural Coherence. M.: Computing Center of the Russian Academy of Sciences, 2005. P. 135.
 - Rosenberg I.N., Dulin S.K., Dulina N.G. Modeling the Structure of Interoperability by Means of Structural Consistency // Computer Science and its Applications. 2023. V. 17. P. 57–65.
 - Papadakis G., Svirsky J., Gal A. et al. Comparative Analysis of Approximate Blocking Techniques for Entity Resolution // Proc. VLDB Endowment. 2016. V. 9. P. 684–695.
 - Miao Z., Li Y., Wang X. Rotom: A meta-learned data augmentation framework for entity matching, data cleaning, text classification, and beyond // Proc. Intern. Conf. on Management of Data. Xi’an. 2021. P. 1303–1316.
 - Thirumuruganathan S., Li. H, Tang N. et al. Deep Learning for Blocking in Entity Matching: a Design Space Exploration // Proc. VLDB Endowment. 2021. V. 14. P. 2459–2472.
 - Dulin S.K., Ryabtsev A.B. Algorithm for Improving the Consistency of Structural Interoperability. Dependability, 2024. P. 8–15.
 - Zhu X., Zoubin G. Learning from labeled and unlabeled data with label propagation // Tech. Rep., Technical Report CMU-CALD-02–107. Carnegie Mellon University, 2002. https://mlg.eng.cam.ac.uk/zoubin/papers/CMUCALD-02-107.pdf https://github.com/graphframes/graphframes
 - Kaufman L., Rousseeuw P.J. Finding groups in data: an introduction to cluster analysis. John Wiley & Sons, 2009.
 - Rosenberg A., Hirschberg J. V-Measure: a conditional entropy-based external cluster evaluation measure, 2007.
 - Fowkles E., Mallows C. A method for comparing two hierarchical clusterings // J. American Statistical Association. 1983. V. 78. P. 553–569.
 - Rand W. Objective criteria for the evaluation of clustering methods // J. American Statistical Association. 1971. V. 66. P. 846–850.
 - Hubert L., Arabie P. Comparing partitions // J. Classification. 1985. V. 2. P. 193–218.
 
Дополнительные файлы
				
			
						
						
						
					
						
									






