| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第2章 相似重复记录清洗技术综述 | 第18-33页 |
| 2.1 相关概念 | 第18-26页 |
| 2.1.1“脏数据” | 第18-19页 |
| 2.1.2 相似重复记录 | 第19-21页 |
| 2.1.3 数据清洗概念 | 第21-24页 |
| 2.1.4 数据清洗流程 | 第24-26页 |
| 2.2 相似重复记录的识别 | 第26-32页 |
| 2.2.1 基于排序合并的相似重复记录的辨别 | 第27-30页 |
| 2.2.2 基于聚类的相似重复记录的识别 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于N-Gram算法的相似重复记录检测 | 第33-42页 |
| 3.1 N-Gram算法概述 | 第33-34页 |
| 3.2 数据预处理 | 第34-36页 |
| 3.3 N-Gram算法流程 | 第36-39页 |
| 3.3.1 标记 | 第36-38页 |
| 3.3.2 计算排序 | 第38-39页 |
| 3.4 N值选取 | 第39-40页 |
| 3.5 N-Gram算法的改进 | 第40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 相似度检测 | 第42-50页 |
| 4.1 字段匹配算法 | 第42-45页 |
| 4.1.1 基本的字段匹配算法 | 第43-44页 |
| 4.1.2 递归的字段匹配算法 | 第44-45页 |
| 4.2 Smith—waterman算法 | 第45-46页 |
| 4.2.1 基本的Smith-waterman算法 | 第45-46页 |
| 4.2.2 改进的Smith—waterman算法 | 第46页 |
| 4.3 编辑距离算法 | 第46-47页 |
| 4.4 基于优先级的数据清洗 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 系统设计与实现 | 第50-61页 |
| 5.1 系统设计思想 | 第50-52页 |
| 5.2 系统运行平台 | 第52页 |
| 5.3 实验数据分析 | 第52-53页 |
| 5.4 各功能模块分析 | 第53-54页 |
| 5.5 实验结果分析 | 第54-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |