面向农业领域知识库构建的数据清洗方法优化研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 引言 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 研究方法与内容 | 第16-18页 |
| 1.3.1 研究方法 | 第16-17页 |
| 1.3.2 研究内容 | 第17页 |
| 1.3.3 技术路线图 | 第17-18页 |
| 1.4 论文组织架构 | 第18-19页 |
| 1.5 研究结论及创新点 | 第19-20页 |
| 第二章 数据清洗相关理论与工具 | 第20-25页 |
| 2.1 数据清洗方法 | 第20-22页 |
| 2.1.1 异构数据的模式转化方法 | 第21页 |
| 2.1.2 异常值清洗算法 | 第21页 |
| 2.1.3 缺失值清洗算法 | 第21-22页 |
| 2.1.4 数据匹配算法 | 第22页 |
| 2.2 数据清洗的一般流程 | 第22页 |
| 2.3 数据清洗的评价标准 | 第22页 |
| 2.4 数据清洗的工具 | 第22-25页 |
| 2.4.1 综合数据清洗工具 | 第22-23页 |
| 2.4.2 专业领域数据清洗工具 | 第23页 |
| 2.4.3 用于特定数据类型的数据清洗工具 | 第23-25页 |
| 第三章 数据清洗核心方法分析 | 第25-37页 |
| 3.1 数据清洗方法分析 | 第25-26页 |
| 3.2 数据匹配方法分析 | 第26-37页 |
| 3.2.1 字段匹配算法及对比分析 | 第26-30页 |
| 3.2.1.1 基于字符的算法 | 第26页 |
| 3.2.1.2 基于Token的算法 | 第26-27页 |
| 3.2.1.3 基于发音相似的算法 | 第27-28页 |
| 3.2.1.4 字段匹配算法对比分析 | 第28-30页 |
| 3.2.2 记录检测算法及对比分析 | 第30-35页 |
| 3.2.2.1 有监督的算法 | 第30-32页 |
| 3.2.2.2 无监督的算法 | 第32-33页 |
| 3.2.2.3 半监督的算法 | 第33页 |
| 3.2.2.4 基于距离的方法 | 第33-34页 |
| 3.2.2.5 基于规则的方法 | 第34页 |
| 3.2.2.6 记录检测算法对比分析 | 第34-35页 |
| 3.2.3 分块方法对比分析 | 第35-37页 |
| 第四章 数据清洗方法优化设计 | 第37-43页 |
| 4.1 面向农业领域知识库构建的数据清洗特点 | 第37-38页 |
| 4.2 数据清洗框架 | 第38-40页 |
| 4.3 清洗流程 | 第40-43页 |
| 第五章 实证研究——以水稻领域文献数据为例 | 第43-57页 |
| 5.1 文献数据的特点 | 第43-44页 |
| 5.2 数据来源 | 第44页 |
| 5.3 清洗流程应用 | 第44-47页 |
| 5.3.1 确定数据集中存在的数据质量问题 | 第44页 |
| 5.3.2 明确数据清洗的优先级 | 第44-45页 |
| 5.3.3 确定数据清洗方法及顺序 | 第45页 |
| 5.3.4 工具选择 | 第45-46页 |
| 5.3.5 算法设计 | 第46-47页 |
| 5.3.6 确定评价标准 | 第47页 |
| 5.4 实验 | 第47-57页 |
| 5.4.1 对比组试验 | 第47-51页 |
| 5.4.2 数据清洗实验 | 第51-57页 |
| 第六章 结论 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 作者简历 | 第65页 |
