专家信息资源收集中数据清洗与融合算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 信息融合研究现状 | 第11-12页 |
| 1.2.1 Web信息融合 | 第11-12页 |
| 1.2.2 多源信息融合 | 第12页 |
| 1.3 研究的主要内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 2 信息融合概述及相关支撑技术研究 | 第14-25页 |
| 2.1 信息融合概述 | 第14-17页 |
| 2.1.1 信息融合层次结构 | 第14-15页 |
| 2.1.2 Web信息融合方法 | 第15-16页 |
| 2.1.3 信息融合系统方案 | 第16-17页 |
| 2.2 数据清洗概述 | 第17-19页 |
| 2.2.1 数据质量与数据清洗 | 第17-18页 |
| 2.2.2 数据清洗的方法 | 第18-19页 |
| 2.3 粒计算介绍 | 第19-20页 |
| 2.4 关键技术 | 第20-24页 |
| 2.4.1 信息抽取 | 第20-21页 |
| 2.4.2 中文分词 | 第21-23页 |
| 2.4.3 词语相似度计算 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 专家成果类别的数据清洗算法研究 | 第25-39页 |
| 3.1 专家成果类别数据清洗 | 第25-27页 |
| 3.1.1 问题定义 | 第25-26页 |
| 3.1.2 系统模型 | 第26-27页 |
| 3.2 专家成果类别的分类 | 第27-29页 |
| 3.2.1 成果类别的特点 | 第27-28页 |
| 3.2.2 成果类别的分类方法 | 第28-29页 |
| 3.3 专利信息数据标准化算法 | 第29-33页 |
| 3.3.1 基于特征的成果数据标准化方法 | 第29-31页 |
| 3.3.2 算法描述 | 第31-33页 |
| 3.4 模拟与分析 | 第33-38页 |
| 3.4.1 实例分析 | 第34-35页 |
| 3.4.2 实验分析 | 第35-37页 |
| 3.4.3 算法分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于粒计算的属性自动融合算法研究 | 第39-54页 |
| 4.1 专家属性知识粒图 | 第39-42页 |
| 4.1.1 相关定义 | 第39-41页 |
| 4.1.2 系统模型 | 第41-42页 |
| 4.2 融合前的准备工作 | 第42-44页 |
| 4.2.1 知识粒权值的确定 | 第42-43页 |
| 4.2.2 属性排放层次的确定 | 第43页 |
| 4.2.3 成果类属性的特殊性 | 第43-44页 |
| 4.3 基于粒计算的融合算法描述 | 第44-48页 |
| 4.3.1 知识粒图的创建 | 第45-46页 |
| 4.3.2 最长路径算法 | 第46-48页 |
| 4.4 模拟与分析 | 第48-53页 |
| 4.4.1 实例分析 | 第48-50页 |
| 4.4.2 实验分析 | 第50-52页 |
| 4.4.3 算法分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 今后的工作展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间主要的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
