XML相似重复数据的检测和清洗研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景与意义 | 第6页 |
| 1.2 国内外研究现状 | 第6-9页 |
| 1.2.1 国外研究现状 | 第6-7页 |
| 1.2.2 国内研究现状 | 第7-9页 |
| 1.3 相似度计算策略 | 第9页 |
| 1.4 论文的研究内容和研究方法 | 第9页 |
| 1.5 论文的章节安排 | 第9-11页 |
| 第二章 数据清洗和XML数据相关理论 | 第11-23页 |
| 2.1 数据质量 | 第11-12页 |
| 2.1.1 数据质量的定义 | 第11页 |
| 2.1.2 数据质量问题分类 | 第11-12页 |
| 2.2 数据清洗 | 第12-13页 |
| 2.3 XML技术研究 | 第13-16页 |
| 2.3.1 XML基本概念 | 第13页 |
| 2.3.2 XML文档结构和语法规则 | 第13-14页 |
| 2.3.4 DTD和XML Schema标准 | 第14-16页 |
| 2.4 XML数据质量问题 | 第16-17页 |
| 2.5 XML模式层数据清洗方法 | 第17-19页 |
| 2.5.1 命名冲突 | 第17-18页 |
| 2.5.2 约束冲突 | 第18页 |
| 2.5.3 数据类型冲突 | 第18-19页 |
| 2.6 XML相似重复数据检测的基本算法 | 第19-22页 |
| 2.6.1 字段匹配算法 | 第19-20页 |
| 2.6.2 重复记录清洗算法 | 第20-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 增量自适应邻近排序算法 | 第23-32页 |
| 3.1 相关工作 | 第23-24页 |
| 3.1.1 条件假设 | 第23-24页 |
| 3.1.2 ICSNM算法优化思想 | 第24页 |
| 3.2 ICSNM算法 | 第24-26页 |
| 3.2.1 窗口大小设置方法 | 第24-25页 |
| 3.2.2 算法伪代码及程序框图 | 第25-26页 |
| 3.3 实验及结果分析 | 第26-31页 |
| 3.3.1 实验设置 | 第26-27页 |
| 3.3.2 数据集 | 第27-28页 |
| 3.3.3 实验及分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于贝叶斯网络的XML重复数据检测 | 第32-44页 |
| 4.1 贝叶斯网络概述 | 第32页 |
| 4.2 XML重复检测和贝叶斯网络构造算法 | 第32-35页 |
| 4.2.1 XML重复检测 | 第32-33页 |
| 4.2.2 贝叶斯网络构造算法 | 第33-35页 |
| 4.3 贝叶斯网络应用实例 | 第35-37页 |
| 4.4 重复概率定义和计算 | 第37-40页 |
| 4.4.1 先验概率 | 第37-38页 |
| 4.4.2 条件概率 | 第38-39页 |
| 4.4.3 最终概率 | 第39-40页 |
| 4.5 实验准备 | 第40-41页 |
| 4.5.1 数据集 | 第40页 |
| 4.5.2 实验设置 | 第40-41页 |
| 4.6 实验及分析 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 XML相似重复数据清洗工具设计 | 第44-52页 |
| 5.1 X-SNM工具清洗框架 | 第44-45页 |
| 5.1.1 工具框架 | 第44-45页 |
| 5.1.2 实现方法 | 第45页 |
| 5.2 工具的设计流程 | 第45-47页 |
| 5.2.1 数据提取 | 第45页 |
| 5.2.2 关键字生成和排序 | 第45-46页 |
| 5.2.3 相似重复数据检测 | 第46页 |
| 5.2.4 合并清洗 | 第46页 |
| 5.2.5 程序框图 | 第46-47页 |
| 5.3 实验评估指标 | 第47页 |
| 5.4 模拟实验及结果分析 | 第47-51页 |
| 5.4.1 数据来源及实验环境 | 第47-48页 |
| 5.4.2 实验及结果分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
