| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11页 |
| ·数据融合面临的问题 | 第11-12页 |
| ·研究内容及贡献 | 第12-13页 |
| ·研究内容 | 第12-13页 |
| ·本文贡献 | 第13页 |
| ·论文结构 | 第13-15页 |
| 第2章 数据融合相关研究 | 第15-23页 |
| ·引言 | 第15页 |
| ·数据融合 | 第15-17页 |
| ·实体统一 | 第17-20页 |
| ·实体统一的相关研究 | 第17-18页 |
| ·实体统一的实现方法 | 第18-20页 |
| ·数据冲突解决 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第3章 Hadoop框架下基于学习的实体统一方法 | 第23-41页 |
| ·引言 | 第23-24页 |
| ·准备工作 | 第24-29页 |
| ·相关概念定义 | 第24-25页 |
| ·Hadoop | 第25-28页 |
| ·MapReduce | 第28-29页 |
| ·基于学习的实体统一 | 第29-30页 |
| ·相似度计算方法 | 第30-35页 |
| ·Map-side | 第32-35页 |
| ·ReduceSplit | 第35页 |
| ·相关工作 | 第35-36页 |
| ·实验评价 | 第36-41页 |
| ·实验环境配置 | 第36-37页 |
| ·数据集 | 第37-38页 |
| ·时间分布和匹配质量 | 第38-40页 |
| ·扩展性 | 第40-41页 |
| 第4章 MapReduce框架下基于贝叶斯的数据冲突解决 | 第41-55页 |
| ·引言 | 第41-42页 |
| ·相关定义 | 第42-43页 |
| ·数据模型 | 第43-45页 |
| ·贝叶斯模型 | 第45-46页 |
| ·基于TR Finder的MapReduce实现 | 第46-53页 |
| ·数据格式和预处理 | 第46-47页 |
| ·全局数据处理 | 第47页 |
| ·数据划分 | 第47-49页 |
| ·声明处理过程 | 第49-51页 |
| ·事实处理的过程 | 第51-53页 |
| ·相关工作 | 第53页 |
| ·实验 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 在学期间主要科研成果 | 第65页 |
| 一、发表学术论文 | 第65页 |