Gå til indholdScholarGate
BibliotekMit bibliotekSkrivebordReview StudioAssistent
Log ind
Text Deduplication/Bevis
Metodebevisregistrering

Text Deduplication

Text deduplication is a corpus-quality pipeline that identifies and removes exact and near-duplicate documents from large text collections. Grounded in Andrei Broder's 1997 resemblance theory, it is widely used to improve dataset quality for machine learning model training, search engine indexing, and any downstream NLP task that assumes a non-redundant corpus.

Sources recorded, not reviewed

Kilderegistrering

Citater kopieret ordret fra metodens kilderegistrering. Ingen påstandsniveauverifikation er udledt heraf.

Text Deduplication (Near-Duplicate Detection)
Taksonomisk metoderegistrering · process-pipeline / text-mining
  • Broder, A.Z. (1997). On the Resemblance and Containment of Documents. Compression and Complexity of SEQUENCES. · URL
  • Lee, K. et al. (2022). Deduplicating Training Data Makes Language Models Better. ACL 2022. · URL
Åbn fuld metode

Kuraterede påstande

Påstande gemt i bevis-loggen, hver med sin egen vurdering.

Ingen kuraterede påstande endnu

Denne visning opfinder ikke en påstandsvurdering, når loggen ingen har.

Relaterede metoder

Genereret fra metodegrafen og vist som maskinelt foreslåede relationer — ingen bevispåstand er udledt.

Same method familyBERT Embeddingsmachine-suggested · Relational suggestion, not evidence.Same method familySentiment Analysismachine-suggested · Relational suggestion, not evidence.Same method familyText Classificationmachine-suggested · Relational suggestion, not evidence.Same method familyTF-IDFmachine-suggested · Relational suggestion, not evidence.See alsoTopic Modelingmachine-suggested · Relational suggestion, not evidence.

Bevisstatus

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

Kilder

2 registrerede citater, kopieret fra metodens kilderegistrering.

Handlinger

Åbn metodeside
ScholarGate

Et indholdsfokuseret opslagsbibliotek over forskningsmetoder — hvad hver metode er, hvordan den fungerer, og hvor den kommer fra.

Åbne data (CC-BY)

Opdag

  • Bibliotek
  • Søg i metoder…
  • Gennemse efter fagområde
  • Fagområder
  • Rejse
  • Sammenlign
  • Hvilken metode?

Reference

  • Fagområder
  • Atlas
  • Ordliste
  • Metodologi
  • Filosofi

Arbejdsområde

  • Mit bibliotek
  • Skrivebord
  • Chat

Virksomhed

  • Om
  • Priser
  • Kontakt
  • Foreslå en metode

Posterne er sammenstillet fra publicerede kilder til reference. Det er dit eget ansvar at kontrollere, at oplysningerne er korrekte og egnede til din anvendelse.

© 2026 ScholarGate · Et opslagsbibliotek over forskningsmetoder
  • Privatliv
  • Cookies
  • Vilkår
  • Slet konto