| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究内容 | 第10-11页 |
| 1.4 论文织结构 | 第11-12页 |
| 第2章 字符串相似性连接技术研究 | 第12-23页 |
| 2.1 相关定义及概念 | 第12-13页 |
| 2.2 字符串相似度的度量方法 | 第13-18页 |
| 2.2.1 基于特征的度量方法 | 第13-14页 |
| 2.2.2 基于集合的度量方法 | 第14-18页 |
| 2.3 字符串相似性连接方法 | 第18-22页 |
| 2.3.1 基于特征的过滤验证算法 | 第19-20页 |
| 2.3.2 基于树型结构的算法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于内存的并行化连接方法 | 第23-37页 |
| 3.1 相关符号定义 | 第23-24页 |
| 3.2 Para-Join算法框架 | 第24-25页 |
| 3.3 Para-Join的数据划分及相似度计算 | 第25-28页 |
| 3.3.1 数据划分 | 第25-27页 |
| 3.3.2 相似度计算 | 第27-28页 |
| 3.4 Para-Join的连接过程 | 第28-32页 |
| 3.4.1 Para-Join算法的实现 | 第28-30页 |
| 3.4.2 Para-RR与Para-RS的实现 | 第30-32页 |
| 3.5 实验结果与分析 | 第32-35页 |
| 3.5.1 实验设置 | 第32页 |
| 3.5.2 评价Para-Join算法 | 第32-33页 |
| 3.5.3 Para-Join与已有算法的比较 | 第33-34页 |
| 3.5.4 Para-Join算法的优势与不足 | 第34-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第4章 基于Spark框架的Spss-Join算法 | 第37-51页 |
| 4.1 常见的并行化处理框架 | 第37-40页 |
| 4.1.1 Hadoop框架 | 第37-38页 |
| 4.1.2 Spark框架 | 第38-40页 |
| 4.2 MapReduce在字符串相似度连接中的应用 | 第40-45页 |
| 4.2.1 MapReduce模型 | 第40-42页 |
| 4.2.2 处理流程 | 第42-44页 |
| 4.2.3 优点与不足 | 第44-45页 |
| 4.3 基于Spark框架的Spss-Join算法实现 | 第45-48页 |
| 4.3.1 Token集划分 | 第45-46页 |
| 4.3.2 数据过滤 | 第46-48页 |
| 4.3.3 数据验证 | 第48页 |
| 4.4 实验结果与分析 | 第48-50页 |
| 4.4.1 实验设置 | 第48页 |
| 4.4.2 算法评价 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 系统原型 | 第51-57页 |
| 5.1 系统框架 | 第51-54页 |
| 5.1.1 硬件架构 | 第51页 |
| 5.1.2 功能架构 | 第51-54页 |
| 5.2 运行结果 | 第54-55页 |
| 5.3 本章小结 | 第55-57页 |
| 第6章 总结及展望 | 第57-59页 |
| 6.1 论文总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
