基于众包的数据清洗关键技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 数据质量 | 第9-12页 |
| 1.2.1 单数据源上的数据质量问题 | 第9-11页 |
| 1.2.2 多数据源上的数据质量问题 | 第11-12页 |
| 1.3 数据清洗的研究现状 | 第12-16页 |
| 1.3.1 数据去重 | 第12-14页 |
| 1.3.2 数据一致性 | 第14页 |
| 1.3.3 数据完整性 | 第14-16页 |
| 1.3.4 数据精确性 | 第16页 |
| 1.4 基于众包的数据清洗研究现状 | 第16-17页 |
| 1.5 本文的主要研究内容及组织结构 | 第17-19页 |
| 第2章 支持数据清洗的众包技术 | 第19-31页 |
| 2.1 基于众包的主动学习模型 | 第19-23页 |
| 2.1.1 直接主动学习模型 | 第20-22页 |
| 2.1.2 交互主动学习模型 | 第22-23页 |
| 2.2 众包记录的选择 | 第23-25页 |
| 2.2.1 信息价值评估 | 第23-24页 |
| 2.2.2 选择方法 | 第24-25页 |
| 2.3 众包反馈的优化 | 第25-28页 |
| 2.3.1 问题假设和定义 | 第26页 |
| 2.3.2 工人可信度和真值置信度的计算 | 第26-27页 |
| 2.3.3 众包反馈优化算法 | 第27-28页 |
| 2.4 实验 | 第28-30页 |
| 2.4.1 主动学习的有效性 | 第28-30页 |
| 2.4.2 不确定记录选择机制评估 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于众包的数据清洗 | 第31-50页 |
| 3.1 基于众包的真值发现 | 第31-35页 |
| 3.1.1 问题定义 | 第32页 |
| 3.1.2 整体框架 | 第32-33页 |
| 3.1.3 众包记录的选择 | 第33-34页 |
| 3.1.4 实验验证与分析 | 第34-35页 |
| 3.2 基于众包的缺失值填充 | 第35-42页 |
| 3.2.1 问题定义 | 第36-37页 |
| 3.2.2 整体框架 | 第37-38页 |
| 3.2.3 众包记录的选择 | 第38-40页 |
| 3.2.4 实验验证与分析 | 第40-42页 |
| 3.3 基于众包的实体识别 | 第42-49页 |
| 3.3.1 问题定义 | 第43-44页 |
| 3.3.2 整体框架 | 第44-45页 |
| 3.3.3 众包记录对的选择 | 第45-46页 |
| 3.3.4 实验验证与分析 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于众包的数据清洗系统的研究与设计 | 第50-55页 |
| 4.1 整体架构 | 第51页 |
| 4.2 模块概述 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-62页 |
| 致谢 | 第62-63页 |
