多数据源环境下重复记录检测问题的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题背景及研究的目的和意义 | 第8-9页 |
| ·重复记录检测问题简介 | 第9-12页 |
| ·重复记录检测方法 | 第10-11页 |
| ·重复记录检测评价 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·重复记录检测方法研究现状 | 第13-14页 |
| ·重复记录检测评价研究现状 | 第14页 |
| ·本文的主要研究工作 | 第14-15页 |
| ·本文的结构 | 第15-17页 |
| 第2章 属性和记录的相似度度量的理论基础 | 第17-23页 |
| ·引言 | 第17页 |
| ·本文所研究的数据类型 | 第17-18页 |
| ·属性相似度度量 | 第18-19页 |
| ·编辑距离 | 第18页 |
| ·属性相似度 | 第18-19页 |
| ·记录相似度度量 | 第19-22页 |
| ·二分图匹配 | 第19-20页 |
| ·记录相似度 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于二分图匹配的重复记录检测算法 | 第23-36页 |
| ·引言 | 第23页 |
| ·研究目的 | 第23-24页 |
| ·问题定义 | 第24页 |
| ·朴素的重复记录检测算法 | 第24-28页 |
| ·算法描述 | 第25-27页 |
| ·算法正确性及性能分析 | 第27-28页 |
| ·基于快速划分的算法优化 | 第28-29页 |
| ·基于关键属性的算法优化 | 第29-32页 |
| ·优化策略的基本思想 | 第29-30页 |
| ·属性权值学习算法 | 第30-32页 |
| ·实验结果及分析 | 第32-35页 |
| ·实验配置 | 第32页 |
| ·记录相似度计算实验结果及其分析 | 第32-33页 |
| ·原始记录集合R 重复记录检测实验分析 | 第33-34页 |
| ·基于关键属性优化的算法实验 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于相似度估计的重复记录检测算法 | 第36-53页 |
| ·引言 | 第36页 |
| ·研究目的及意义 | 第36-37页 |
| ·问题定义与算法基本思想 | 第37-39页 |
| ·问题定义 | 第37页 |
| ·算法基本框架 | 第37-39页 |
| ·算法理论基础及基本假设 | 第39-40页 |
| ·相似度范围估计方法 | 第40-49页 |
| ·面向简单的属性和记录估计方法 | 第40-41页 |
| ·相似度估计的准备工作及相关结论 | 第41-42页 |
| ·属性相似度范围的估计 | 第42-44页 |
| ·估计记录的相似度范围 | 第44-45页 |
| ·算法描述 | 第45-49页 |
| ·算法实验 | 第49-52页 |
| ·实验配置 | 第49页 |
| ·相似度上下界约束对算法效率的影响 | 第49-50页 |
| ·数据集合大小对算法性能的影响 | 第50-51页 |
| ·真实数据集合上的算法实验 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |
