不确定图中RDF查询的众包清洗研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外相关研究 | 第15-18页 |
| 1.2.1 知识图谱 | 第15-16页 |
| 1.2.2 数据清洗 | 第16-17页 |
| 1.2.3 众包 | 第17-18页 |
| 1.2.4 边中心性 | 第18页 |
| 1.3 存在问题 | 第18-19页 |
| 1.4 本文研究内容和创新性 | 第19-20页 |
| 1.4.1 研究目标和内容 | 第19页 |
| 1.4.2 创新性 | 第19-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 第二章 相关介绍 | 第21-41页 |
| 2.1 RDF数据库 | 第21-23页 |
| 2.2 概率RDF数据库 | 第23-29页 |
| 2.2.1 贝叶斯网络模型 | 第23-25页 |
| 2.2.2 独立边模型 | 第25-27页 |
| 2.2.3 互斥边模型 | 第27-29页 |
| 2.3 众包 | 第29-33页 |
| 2.3.1 众包工作流程 | 第30-31页 |
| 2.3.2 众包任务 | 第31页 |
| 2.3.3 众包平台 | 第31-33页 |
| 2.4 数据清洗 | 第33-37页 |
| 2.4.1 概率数据库中的数据清洗 | 第33-37页 |
| 2.5 边中心性 | 第37-41页 |
| 2.5.1 K-path中心性 | 第38-41页 |
| 第三章 问题定义与分析 | 第41-51页 |
| 3.1 模型定义 | 第41-46页 |
| 3.1.1 概率RDF数据库模型 | 第41-44页 |
| 3.1.2 查询模型 | 第44-46页 |
| 3.2 问题定义 | 第46-47页 |
| 3.3 问题分析 | 第47-51页 |
| 第四章 最佳边选取算法 | 第51-61页 |
| 4.1 朴素算法 | 第51-52页 |
| 4.2 剪枝算法 | 第52-55页 |
| 4.3 快速优化算法 | 第55-59页 |
| 4.4 算法比较 | 第59-61页 |
| 第五章 实验 | 第61-71页 |
| 5.1 RDF查询 | 第61-62页 |
| 5.2 评测指标 | 第62-63页 |
| 5.2.1 信息增益 | 第62-63页 |
| 5.2.2 时间 | 第63页 |
| 5.3 实验运行环境 | 第63页 |
| 5.4 时间复杂度分析 | 第63-64页 |
| 5.5 基于虚拟数据集的实验 | 第64-71页 |
| 5.5.1 虚拟数据集 | 第64-68页 |
| 5.5.2 基于YAGO数据集的实验 | 第68-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 本文总结 | 第71-72页 |
| 6.2 下一步展望 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 攻读硕士学位期间获得的知识产权 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81页 |
