Deduplikace dat a jejich využití

Klečanský, Pavel

Digitální knihovna UPCE
→
Fakulta elektrotechniky a informatiky / Faculty of Electrical Engineering and Informatics
→
Katedra softwarových technologií
→
Diplomové práce / Theses KST FEI (Ing.)
→
Zobrazit záznam

dc.contributor.advisor	Borkovcová, Monika
dc.contributor.author	Klečanský, Pavel
dc.date.accessioned	2024-07-08T11:43:20Z
dc.date.available	2024-07-08T11:43:20Z
dc.date.issued	2024
dc.date.submitted	2024-05-17
dc.identifier.uri	https://hdl.handle.net/10195/83053
dc.description.abstract	Diplomová práce se zabývá popisem problematiky deduplikace a spojování záznamu. Teoretická část zahrnuje celý proces deduplikace, od čištění dat až po klasifikaci. Práce také popisuje algoritmy, jako jsou Jaro-Winklerova vzdálenost, Levenshteinova vzdálenost, Damerau-Levenshteinova vzdálenost, Jaccardův index a podobnost Q-gramů. V praktické části práce je vytvořena knihovna, která umožňuje provádění spojování záznamů mezi dvěma zdroji dat a deduplikaci jednoho zdroje dat. Knihovna je implementována v jazyce Java a realizuje celý proces deduplikace a spojování záznamů pomocí vybraných algoritmů popsaných v teoretické části.	cze
dc.format	79 s.
dc.format	79 s.
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Bez omezení
dc.subject	deduplikace	cze
dc.subject	spojování záznamů	cze
dc.subject	porovnávání dat	cze
dc.subject	klasifikace	cze
dc.subject	kvalita dat	cze
dc.subject	deduplication	eng
dc.subject	record linkage	eng
dc.subject	data matching	eng
dc.subject	classification	eng
dc.subject	data quality	eng
dc.title	Deduplikace dat a jejich využití	cze
dc.title.alternative	Data deduplication and usage options	eng
dc.type	diplomová práce	cze
dc.contributor.referee	Pozdílek, Martin
dc.date.accepted	2024-06-11
dc.description.abstract-translated	The thesis deals with the description of deduplication and record linkage. The theoretical part covers the whole workflow of deduplication, from data cleaning to classification. The thesis also describes algorithms such as Jaro-Winkler distance, Levenshtein distance, DamerauLevenshtein distance, Jaccard index and Q-gram similarity. In the practical part of the thesis, a library is developed to perform record linkage between two data sources and deduplication of one data source. The library is implemented in Java and implements the entire workflow of deduplication and record linkage using the selected algorithms described in the theoretical part.	eng
dc.description.department	Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-discipline	Informační technologie	cze
dc.thesis.degree-name	Ing.
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-program	Informační technologie	cze
dc.description.defence	<p>Obhajoba diplomové práce se zabývá podrobným popisem algoritmů a problematiky deduplikace a spojování záznamů. Praktickým výstupem je vytvoření knihovny, která umožní provádět spojování záznamů mezi dvěma zdroji dat a deduplikaci jednoho zdroje dat.</p> <p>Dle vedoucí byly cíle práce splněny, výstup práce byl vytvořen podle zadání, a ačkoliv se jednalo o novou oblast, diplomant splnil vše dle zadání a dle domluvy. Při tvorbě a prezentaci diplomové práce byl patrný zájem autora o řešenou problematiku.</p> <p>Student výborně reagoval na dotazy a připomínky vedoucí práce, oponenta i členů komise pro státní závěrečné zkoušky.</p>	cze
dc.identifier.stag	47622
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze