| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状及面临的问题 | 第16-18页 |
| 1.2.1 实体对齐国内外研究现状 | 第16-17页 |
| 1.2.2 实体对齐工作面临的问题 | 第17-18页 |
| 1.3 主要研究工作及创新点 | 第18-19页 |
| 1.4 本文章节组织安排 | 第19-21页 |
| 第二章 理论基础 | 第21-37页 |
| 2.1 实体对齐相关工作 | 第21-28页 |
| 2.1.1 实体对齐技术概述 | 第21-23页 |
| 2.1.2 关联数据 | 第23-25页 |
| 2.1.3 领域相关技术 | 第25-28页 |
| 2.1.4 实体对齐技术评估 | 第28页 |
| 2.2 MapReduce框架 | 第28-31页 |
| 2.2.1 模型概述 | 第28-30页 |
| 2.2.2 Hadoop平台上的MapReduce | 第30-31页 |
| 2.3 机器学习分类问题 | 第31-35页 |
| 2.3.1 分类学习技术概述 | 第31-32页 |
| 2.3.2 决策树算法及C4.5算法 | 第32-33页 |
| 2.3.3 Adaboost算法 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 面向关联数据集的实体对齐算法研究 | 第37-51页 |
| 3.1 算法概述 | 第37-38页 |
| 3.2 关联数据预处理 | 第38-44页 |
| 3.2.1 RDF序列化 | 第38-40页 |
| 3.2.2 JSON语义解析技术 | 第40-42页 |
| 3.2.3 分区索引 | 第42-44页 |
| 3.3 基于实例层的特征匹配算法 | 第44-47页 |
| 3.3.1 基于MapReduce的特征项处理 | 第45-46页 |
| 3.3.2 特征选取 | 第46页 |
| 3.3.3 TF·IDF相似度计算 | 第46-47页 |
| 3.4 基于机器学习的实体关系分类算法 | 第47-50页 |
| 3.4.1 方法框架 | 第47-48页 |
| 3.4.2 有监督的机器学习分类方法 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 面向关联数据集的实体对齐系统设计 | 第51-59页 |
| 4.1 需求分析 | 第51-52页 |
| 4.1.1 实体对齐系统功能需求 | 第51页 |
| 4.1.2 实体对齐系统结构性需求 | 第51-52页 |
| 4.2 系统架构设计 | 第52-54页 |
| 4.3 系统模块设计 | 第54-58页 |
| 4.3.1 简要设计 | 第54-57页 |
| 4.3.2 系统设计相关技术 | 第57页 |
| 4.3.3 系统原型 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实验及结果分析 | 第59-67页 |
| 5.1 实验条件及数据源分析 | 第59-60页 |
| 5.2 数据预处理 | 第60-62页 |
| 5.3 模型训练 | 第62-63页 |
| 5.4 系统验证 | 第63-65页 |
| 5.5 系统应用 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 研究成果及发表的学术论文 | 第75-77页 |
| 作者及导师介绍 | 第77-79页 |
| 附件 | 第79-80页 |