基于主动学习的半结构化数据清洗技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 相关工作的研究现状 | 第10-13页 |
| 1.2.1 数据清洗技术研究现状 | 第10-12页 |
| 1.2.2 半结构化数据解析技术 | 第12-13页 |
| 1.3 本文主要工作内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 多类型文件并行解析方法 | 第17-25页 |
| 2.1 关键技术 | 第17-20页 |
| 2.1.1 消息队列 | 第17-18页 |
| 2.1.2 线程池 | 第18-19页 |
| 2.1.3 缓冲机制 | 第19-20页 |
| 2.2 基于双缓冲队列的文件并行解析方法 | 第20-21页 |
| 2.3 实验结果与分析 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于正则表达式的数据属性识别与结构化 | 第25-34页 |
| 3.1 数据存储结构分析 | 第25-26页 |
| 3.1.1 结构化与非结构化数据 | 第25-26页 |
| 3.1.2 半结构化数据 | 第26页 |
| 3.2 基于正则表达式的属性集识别 | 第26-28页 |
| 3.3 基于行列统计的数据规格化方法 | 第28-30页 |
| 3.4 实验结果与分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于主动学习的属性识别方法 | 第34-49页 |
| 4.1 问题形式化描述 | 第35页 |
| 4.2 分类器模型的构建 | 第35-39页 |
| 4.2.1 属性特征提取 | 第35-37页 |
| 4.2.2 C4.5 分类器的构建 | 第37-39页 |
| 4.3 基于主动学习的模型优化 | 第39-44页 |
| 4.3.1 基于委员会的主动学习算法（QBC） | 第39-40页 |
| 4.3.2 基于后验概率的主动学习算法（MS） | 第40-41页 |
| 4.3.3 算法对比分析 | 第41-42页 |
| 4.3.4 基于投票机制的不确定性采样方法 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 半结构化数据清洗系统的设计与实现 | 第49-67页 |
| 5.1 系统架构 | 第49-51页 |
| 5.2 功能模块设计与实现 | 第51-63页 |
| 5.2.1 多种格式文件解析模块的设计与实现 | 第51-55页 |
| 5.2.2 数据解析模块的设计与实现 | 第55-58页 |
| 5.2.3 主动学习模块的设计与实现 | 第58-63页 |
| 5.3 系统展示与分析 | 第63-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第73-75页 |
| 致谢 | 第75页 |
