| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 相似性连接 | 第11-12页 |
| 1.1.2 基于复杂距离的相似性度量 | 第12-13页 |
| 1.1.3 大规模数据的分布式并行处理 | 第13-14页 |
| 1.2 问题提出 | 第14-16页 |
| 1.2.1 基于复杂距离度量的大规模数据相似性连接的特点 | 第14-15页 |
| 1.2.2 研究现状 | 第15-16页 |
| 1.3 本文贡献 | 第16-17页 |
| 1.4 组织结构 | 第17-19页 |
| 第2章 相关工作 | 第19-33页 |
| 2.1 复杂距离相似性度量 | 第19-21页 |
| 2.1.1 EMD距离 | 第19-20页 |
| 2.1.2 Bregman Divergence度量 | 第20-21页 |
| 2.2 索引与数据划分 | 第21-25页 |
| 2.2.1 面向EMD距离的索引 | 第22-23页 |
| 2.2.2 面向Bregman Divergence的索引 | 第23-25页 |
| 2.3 MapReduce计算框架与Hadoop系统 | 第25-27页 |
| 2.4 MapReduce计算框架下的相似性连接技术 | 第27-31页 |
| 2.4.1 利用二维空间网格划分数据 | 第27-28页 |
| 2.4.2 利用Voronoi图划分数据 | 第28-29页 |
| 2.4.3 利用Z-value空间填充曲线划分数据 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于EMD距离的Top-k相似性连接算法 | 第33-55页 |
| 3.1 协同过滤框架 | 第33-36页 |
| 3.1.1 B~+树过滤 | 第34-35页 |
| 3.1.2 LB_(IM)过滤 | 第35-36页 |
| 3.1.3 三角不等性过滤 | 第36页 |
| 3.2 基于块嵌套循环进行数据划分的基本算法 | 第36-42页 |
| 3.2.1 抽样确定Top-k相似性连接初始阈值 | 第38-39页 |
| 3.2.2 查找局部S_(Topk) | 第39-42页 |
| 3.3 基于数据局部性进行数据划分的改进算法 | 第42-49页 |
| 3.3.1 抽样确定近似分位数和T值 | 第44-45页 |
| 3.3.2 利用数据局部性查找局部S_(Topk) | 第45-49页 |
| 3.4 实验结果及分析 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 基于Bregman Divergence度量的相似性连接算法 | 第55-77页 |
| 4.1 基于块嵌套循环进行数据划分的基本算法 | 第55-57页 |
| 4.2 基于VA-File进行数据划分的改进算法 | 第57-68页 |
| 4.2.1 构建VA-File索引 | 第58-59页 |
| 4.2.2 制定负载均衡策略 | 第59-66页 |
| 4.2.3 实现相似性连接 | 第66-68页 |
| 4.3 实验结果及分析 | 第68-74页 |
| 4.4 本章小结 | 第74-77页 |
| 第5章 总结与展望 | 第77-79页 |
| 5.1 本文的主要贡献与结论 | 第77-78页 |
| 5.2 未来工作 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间的论文项目情况 | 第85页 |
