CFI-Blocking: uma estratégia eficaz para blocagem em pareamento probabilístico de registros

Página do item simplificado
dc.creatorRamon Goncalves Pereira
dc.date.accessioned2019-08-14T09:02:08Z
dc.date.accessioned2025-09-09T01:12:00Z
dc.date.available2019-08-14T09:02:08Z
dc.date.issued2016-06-28
dc.identifier.urihttps://hdl.handle.net/1843/ESBF-AEDK4S
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectSaúde pública Brasil Estatística
dc.subjectComputação
dc.subjectBig data
dc.subjectMineração de dados (Computação)
dc.subject.otherPareamento de registros
dc.subject.otherBanco de dados
dc.subject.otherMineração de Dados
dc.titleCFI-Blocking: uma estratégia eficaz para blocagem em pareamento probabilístico de registros
dc.typeDissertação de mestrado
local.contributor.advisor-co1Augusto Afonso Guerra Junior
local.contributor.advisor1Wagner Meira Junior
local.contributor.referee1Augusto Afonso Guerra Junior
local.contributor.referee1Adriano Alonso Veloso
local.contributor.referee1Altigran Soares da Silva
local.contributor.referee1Antonio Luiz Pinho Ribeiro
local.contributor.referee1Osvaldo Sergio Farhat de Carvalho
local.description.resumoCFI Blocking é uma estratégia proposta para otimizar a enumeração de blocos através da mineração de padrões frequentes e do conhecimento intrínseco das instâncias dos atributos no pareamento probabilístico de registros. A blocagem é responsável por pré selecionar e agrupar registros com maior probabilidade de pertencerem à mesma entidade no mundo real. As estratégias de blocagem atuais são definidas pelo conhecimento prévio do pesquisador. Para eliminar essa dependência e otimizar o processo de blocagem, foram utilizadas propriedades de conjuntos fechados para enumeração automatizada dos blocos. A avaliação foi realizada em uma base de dados real do sistema público de saúde do Brasil (SUS) e permitiu concluir que CFI Blocking apresenta melhor desempenho que outras abordagens existentes.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ramongoncalvespereira.pdf
Tamanho:
1.45 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Ciência da Computação - Dissertações

Logo UFMG