| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景 | 第8-10页 |
| ·论文的研究内容 | 第10页 |
| ·论文组织 | 第10-11页 |
| 第二章 相关工作 | 第11-29页 |
| ·记录匹配算法 | 第11-17页 |
| ·编辑距离(Edit Distance) | 第12-13页 |
| ·文本相似度度量(Text Similarity Measure)函数 | 第13页 |
| ·基于N-gram的字符串匹配算法 | 第13-15页 |
| ·Cosine相似度(Cosine Similarity)函数 | 第15-16页 |
| ·记录匹配算法比较 | 第16-17页 |
| ·消除相似重复记录的策略 | 第17-25页 |
| ·SNM(Sorted Neighborhood Method)方法 | 第17-20页 |
| ·优先队列算法 | 第20-23页 |
| ·Delphi算法 | 第23-25页 |
| ·清洗结果的评价标准 | 第25-26页 |
| ·数据清洗工具 | 第26-27页 |
| ·特定的清洗工具 | 第26-27页 |
| ·ETL工具 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于RDBMS的记录匹配方法 | 第29-40页 |
| ·基本术语和定义 | 第29-30页 |
| ·标记(token)和标记划分方法 | 第29页 |
| ·记录的权重向量 | 第29-30页 |
| ·记录的文本相似度和相似重复记录的定义 | 第30页 |
| ·Cosine相似度在RDBMS中的实现 | 第30-32页 |
| ·记录权重向量 | 第30-32页 |
| ·记录匹配的实现 | 第32页 |
| ·基于SNM算法的改进方法 | 第32-38页 |
| ·数据预处理 | 第33-36页 |
| ·在RDBMS中的实现SNM | 第36-38页 |
| ·实验分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 消除数据仓库中相似重复记录的方法 | 第40-59页 |
| ·数据仓库中的数据清洗问题概述 | 第40-43页 |
| ·数据仓库中数据清洗的组成 | 第40页 |
| ·数据质量问题分类 | 第40-41页 |
| ·清洗实例数据 | 第41-43页 |
| ·探测和消除数据仓库中相似重复记录的特点 | 第43-44页 |
| ·消除星型模式中相似重复记录的方法 | 第44-50页 |
| ·概念和定义 | 第45-46页 |
| ·消除星型模式中相似重复记录的实现 | 第46-50页 |
| ·消除雪花模式中相似重复记录的方法 | 第50-57页 |
| ·概念和定义 | 第50-53页 |
| ·消除雪花模式中相似重复记录的实现 | 第53-57页 |
| ·实验分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录 文章与项目 | 第64-66页 |
