|
su.dbms
- SU.DBMS ----------------------------------------------------------------------
From : Oleg Khrulev 2:5020/175.2 01 Apr 2003 12:49:21
To : All
Subject : Разбор почтового адреса.
--------------------------------------------------------------------------------
Hi All,
Есть таблица примерно из 15 000 000 записей.
В ней есть следующие столбцы:
1. Почтовый индекс.
2. Почтовый адрес.
3. ФИО.
Основнаые проблемы:
1. Почтовый адрес не стуктуризирован и его формат не определен.
2. Любое из полей может иметь опечатки.
Задача состоит в поиске максимального количества дублей (не обязательно всех).
Желательно, чтобы программа была на PL/SQL.
Вопросы:
1. Есть ли у кого-нибудь информация для решения этой задачи?
2. По каким критериям можно строить оценочную функцию для определения
вероятности: являются ли две строки дублями?
3. Как минимизировать время обработки?
4. Есть ли смысл использовать хэш-функцию? Если да, то как обойти проблему
опечаток?
5. Любые идеи, какие не жалко :)
Oleg
--- ifmail v.2.15dev5
* Origin: FidoNet Online - http://www.fido-online.com (2:5020/175.2)
Вернуться к списку тем, сортированных по: возрастание даты уменьшение даты тема автор
|
