中文重复记录清洗的相关算法的研究
| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第6-10页 |
| 1.1 研究背景及意义 | 第6页 |
| 1.2 国内外研究现状 | 第6-8页 |
| 1.2.1 国外研究现状 | 第6-7页 |
| 1.2.2 国内研究现状 | 第7-8页 |
| 1.3 研究内容与结构安排 | 第8-10页 |
| 1.3.1 研究内容 | 第8页 |
| 1.3.2 结构安排 | 第8-10页 |
| 第二章 重复记录清洗的相关知识 | 第10-22页 |
| 2.1 数据清洗的定义 | 第10页 |
| 2.2 数据清洗的对象 | 第10-13页 |
| 2.3 重复记录清洗的相关算法 | 第13-18页 |
| 2.3.1 重复记录匹配算法 | 第13-16页 |
| 2.3.2 重复记录清除算法 | 第16-18页 |
| 2.4 中文重复记录清洗流程 | 第18-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于编辑距离算法改进的字段匹配方法 | 第22-32页 |
| 3.1 传统编辑距离算法的弊端 | 第22页 |
| 3.2 算法的优化 | 第22-28页 |
| 3.3 算法的实现 | 第28-30页 |
| 3.4 实验及结果分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 一种基于图最大关联度的重复记录合并的方法 | 第32-37页 |
| 4.1 传统方法的弊端 | 第32页 |
| 4.2 基于图最大关联度的合并方法介绍 | 第32-34页 |
| 4.2.1 相关定义 | 第32-33页 |
| 4.2.2 方法介绍 | 第33-34页 |
| 4.3 算法的实现 | 第34-35页 |
| 4.4 实验及结果分析 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 基于SNM算法改进的重复记录清洗方法 | 第37-48页 |
| 5.1 SNM算法存在的弊端 | 第37-38页 |
| 5.2 SNM算法的改进 | 第38-39页 |
| 5.3 算法的实现 | 第39-42页 |
| 5.4 实验及结果分析 | 第42-47页 |
| 5.4.1 中文重复记录清洗实验 | 第42-44页 |
| 5.4.2 实验结果与分析 | 第44-47页 |
| 5.5 本章小节 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间的研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |
