基于SNM算法的大数据量中文商品清洗方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 中文数据清洗技术研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 中文数据清洗的国内研究现状 | 第15-16页 |
| 1.3 中文数据清洗研究的重点和难点 | 第16-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 第2章 相似重复记录清洗技术综述 | 第19-29页 |
| 2.1 相关概念 | 第19-25页 |
| 2.1.1 数据清洗 | 第19-22页 |
| 2.1.2 数据质量 | 第22-23页 |
| 2.1.3 重复记录 | 第23-24页 |
| 2.1.4 相似重复记录的清洗过程 | 第24-25页 |
| 2.2 数据清洗与数据质量之间的关系 | 第25页 |
| 2.3 标准邻近排序算法 | 第25-28页 |
| 2.3.1 SNM算法的基本原理 | 第26-27页 |
| 2.3.2 算法描述 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 改进的近邻排序算法 | 第29-37页 |
| 3.1 改进的SNM算法的基本思想 | 第29-30页 |
| 3.2 标准化方法 | 第30-31页 |
| 3.2.1 补全操作的改进 | 第30页 |
| 3.2.2 分割排序操作的改进 | 第30-31页 |
| 3.3 算法基本步骤 | 第31-32页 |
| 3.4 中文字段匹配算法 | 第32-33页 |
| 3.5 中文分词实验以及结果分析 | 第33-34页 |
| 3.6 本章小结 | 第34-37页 |
| 第4章 改进邻近排序算法的应用 | 第37-49页 |
| 4.1 应用背景 | 第37-38页 |
| 4.2 源数据中存在的问题 | 第38页 |
| 4.3 相似重复记录检测算法 | 第38-43页 |
| 4.3.1 相似重复记录检测算法描述 | 第38-39页 |
| 4.3.2 编辑距离算法描述 | 第39-42页 |
| 4.3.3 重复记录清洗算法效率度量标准 | 第42-43页 |
| 4.3.4 评价指标 | 第43页 |
| 4.4 算法实验与分析 | 第43-46页 |
| 4.5 本章小结 | 第46-49页 |
| 第5章 实验结果与性能分析 | 第49-57页 |
| 5.1 实验环境和条件设置 | 第49-50页 |
| 5.2 实验内容和结果分析 | 第50-55页 |
| 5.3 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的论文 | 第63-65页 |
| 致谢 | 第65页 |
