| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-23页 |
| ·选题背景和研究动机 | 第9-20页 |
| ·文本数据的关键词查询 | 第10-13页 |
| ·传统关系数据库的关键词查询 | 第13-16页 |
| ·深度万维网的关键词查询 | 第16-20页 |
| ·主要研究内容及论文的贡献 | 第20-21页 |
| ·章节安排 | 第21-23页 |
| 第2章 文本数据上主题相关的查询词推荐 | 第23-44页 |
| ·引言 | 第23-28页 |
| ·背景知识 | 第23-24页 |
| ·研究动机 | 第24-27页 |
| ·解决方法概要 | 第27-28页 |
| ·预备知识 | 第28-31页 |
| ·问题的形式化描述 | 第28-29页 |
| ·LDA主题模型 | 第29-30页 |
| ·主题相关查询词推荐的方法概览 | 第30-31页 |
| ·基于主题的查询词推荐模型 | 第31-34页 |
| ·查询词推荐的Top-k算法 | 第34-38页 |
| ·Top-k算法的预备知识 | 第34-35页 |
| ·索引结构 | 第35-36页 |
| ·查询词推荐的Top-k算法 | 第36-38页 |
| ·实验验证 | 第38-43页 |
| ·实验设置 | 第38-40页 |
| ·推荐效果的评测 | 第40-42页 |
| ·推荐效率的评测 | 第42页 |
| ·方法可扩展性的评测 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 关系数据库上的SQL查询语句推荐 | 第44-81页 |
| ·引言 | 第44-48页 |
| ·背景知识 | 第44-46页 |
| ·研究动机 | 第46-48页 |
| ·解决方法概要 | 第48页 |
| ·基于关键词的SQL查询推荐SQLSUGG | 第48-53页 |
| ·问题的形式化描述 | 第49-51页 |
| ·SQL查询推荐方法概览 | 第51-53页 |
| ·查询模板的推荐方法 | 第53-59页 |
| ·查询模板 | 第53-54页 |
| ·模板的排序模型 | 第54-57页 |
| ·查询模板推荐的Top-k算法 | 第57-59页 |
| ·SQL查询语句的生成 | 第59-64页 |
| ·SQL语句生成模型 | 第59-62页 |
| ·生成SQL语句的Top-k算法 | 第62-64页 |
| ·SQL查询结果集大小估计 | 第64-71页 |
| ·基于独立性假设的估计方法 | 第66-68页 |
| ·基于MIN-HASH的估计方法 | 第68-71页 |
| ·实验验证 | 第71-79页 |
| ·实验设置 | 第72-73页 |
| ·推荐效果的评测 | 第73-77页 |
| ·推荐效率的评测 | 第77-78页 |
| ·结果集大小估计的评测 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第4章 基于关键词的深度万维网数据库查询推荐 | 第81-105页 |
| ·引言 | 第81-85页 |
| ·背景知识 | 第81-83页 |
| ·研究动机 | 第83-84页 |
| ·解决方法概要 | 第84-85页 |
| ·基于关键词的深度万维网数据库查询推荐SEADEW | 第85-88页 |
| ·问题的形式化描述 | 第85-87页 |
| ·SEADEW方法概览 | 第87-88页 |
| ·领域推荐的模型与方法 | 第88-96页 |
| ·领域相关性模型 | 第88-90页 |
| ·关键词-属性关联的挖掘模型 | 第90-93页 |
| ·关键词-属性关联的挖掘算法 | 第93-96页 |
| ·数据库推荐的模型与方法 | 第96-98页 |
| ·数据库相关性模型 | 第96-97页 |
| ·数据采样方法 | 第97-98页 |
| ·实验验证 | 第98-104页 |
| ·实验设置 | 第98-100页 |
| ·领域推荐效果的评测 | 第100-103页 |
| ·数据库采样效果的评测 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第5章 总结与展望 | 第105-107页 |
| ·论文主要研究工作总结 | 第105-106页 |
| ·进一步研究工作及展望 | 第106-107页 |
| 参考文献 | 第107-113页 |
| 致谢 | 第113-115页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第115-116页 |