| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究工作的背景与意义 | 第12-14页 |
| 1.2 国内外发展现状 | 第14-16页 |
| 1.3 本文的主要贡献与创新 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-19页 |
| 第二章 数据聚合技术概述 | 第19-32页 |
| 2.1 数据聚合的定义 | 第19页 |
| 2.2 数据聚合的流程 | 第19-20页 |
| 2.2.1 数据聚合的一般流程 | 第19-20页 |
| 2.2.2 大规模数据的聚合流程 | 第20页 |
| 2.3 分词技术 | 第20-23页 |
| 2.3.1 基于词典匹配的分词算法 | 第21-22页 |
| 2.3.2 基于统计模型的分词算法 | 第22页 |
| 2.3.3 基于知识理解的分词算法 | 第22-23页 |
| 2.4 分区索引技术 | 第23-25页 |
| 2.4.1 倒排索引 | 第23-24页 |
| 2.4.2 近邻排序索引 | 第24-25页 |
| 2.4.3 Trie树索引 | 第25页 |
| 2.5 文本数据聚合算法 | 第25-31页 |
| 2.5.1 基于相似度匹配的文本聚合算法 | 第26-27页 |
| 2.5.2 基于概率统计的文本聚合算法 | 第27-28页 |
| 2.5.3 基于主题模型的文本聚合算法 | 第28-29页 |
| 2.5.4 基于监督模型的文本聚合算法 | 第29页 |
| 2.5.5 基于无监督模型的文本聚合算法 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 针对短文本数据聚合的广义JARO-WINKLER算法 | 第32-48页 |
| 3.1 短文本数据聚合面临的挑战 | 第32页 |
| 3.2 常用文本相似度匹配算法 | 第32-37页 |
| 3.2.1 基本Jaro-Winkler相似度算法 | 第33-34页 |
| 3.2.2 编辑距离相似度算法 | 第34页 |
| 3.2.3 最长公共子序列相似度算法 | 第34-35页 |
| 3.2.4 余弦相似度算法 | 第35页 |
| 3.2.5 短语相似度算法 | 第35-36页 |
| 3.2.6 常用相似度算法的优势与劣势分析 | 第36-37页 |
| 3.3 广义Jaro-Winkler算法 | 第37-43页 |
| 3.3.1 算法描述 | 第37-39页 |
| 3.3.2 广义Jaro-Winkler算法的相关参数分析 | 第39-43页 |
| 3.3.2.1 相同字符匹配度m的取值范围 | 第39-40页 |
| 3.3.2.2 最大间隔的取值范围 | 第40-42页 |
| 3.3.2.3 前缀L的取值范围 | 第42-43页 |
| 3.4 算法复杂度分析 | 第43-46页 |
| 3.4.1 Jaro-Winkler相似度算法的复杂度分析 | 第43-44页 |
| 3.4.2 编辑距离算法的复杂度分析 | 第44页 |
| 3.4.3 最长公共子序列算法的复杂度分析 | 第44页 |
| 3.4.4 余弦相似度算法的复杂度分析 | 第44-45页 |
| 3.4.5 短语相似度算法的复杂度分析 | 第45页 |
| 3.4.6 广义Jaro-Winkler相似度算法的复杂度分析 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 商户数据聚合模型的应用研究 | 第48-72页 |
| 4.1 研究背景 | 第48-49页 |
| 4.2 模型设计 | 第49页 |
| 4.3 数据获取 | 第49-51页 |
| 4.3.1 内部数据 | 第49-50页 |
| 4.3.2 外部数据 | 第50-51页 |
| 4.4 数据清洗 | 第51页 |
| 4.4.1 停用词过滤 | 第51页 |
| 4.4.2 字数过滤 | 第51页 |
| 4.4.3 类别过滤 | 第51页 |
| 4.5 数据匹配 | 第51-57页 |
| 4.5.1 快速匹配 | 第52-54页 |
| 4.5.1.1 文本分词 | 第52页 |
| 4.5.1.2 构建倒排索引 | 第52-53页 |
| 4.5.1.3 选取候选对 | 第53-54页 |
| 4.5.2 精细匹配 | 第54-57页 |
| 4.6 实验与讨论 | 第57-71页 |
| 4.6.0 整体模型对比 | 第58-59页 |
| 4.6.1 快速匹配的准确性测试 | 第59-60页 |
| 4.6.2 精细匹配算法的准确性测试 | 第60-62页 |
| 4.6.3 精细匹配算法的泛化能力测试 | 第62页 |
| 4.6.4 精细匹配算法的稳定性测试 | 第62-68页 |
| 4.6.4.1 算法的1F值 | 第63-64页 |
| 4.6.4.2 最大熵原理 | 第64页 |
| 4.6.4.31F值标准差的热力图和熵值曲线图 | 第64-68页 |
| 4.6.5 精细匹配算法的最优阈值和最优准确率分析 | 第68-69页 |
| 4.6.6 精细匹配算法的效率测试 | 第69-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第五章 全文总结与展望 | 第72-75页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 后续工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
