Partitionierung zur effizienten Duplikaterkennung in relationalen Daten

Duplikate bzw. Dubletten sind mehrere Datenstze, die das gleiche Realweltobjekt beschreiben, etwa mehrfach erfasste Kunden in einem CRM-System oder unterschiedliche Reprsentationen eines Produkts. Das Auffinden dieser Duplikate ist auch fr moderne Computer eine komplexe und zeitintensive Aufgabe. Uwe Draisbach vergleicht zwei der einschlgigen Partitionierungsstrategien, die eine intelligente Auswahl von zu vergleichenden Datensatzpaaren treffen. Daraus entwickelt er ein verallgemeinertes Verfahren und zeigt, dass eine intelligente Auswahl der Datensatzpaare den Aufwand signifikant reduzieren kann, ohne die Qualitt der Duplikaterkennung wesentlich zu verringern. Die Arbeit wurde mit dem Information Quality Best Master Degree Award der Deutschen Gesellschaft fr Informations- und Datenqualitt ausgezeichnet.