基于众包的数据查询处理关键技术研究
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第9-24页 |
1.1 选题背景和研究动机 | 第9-21页 |
1.1.1 大数据时代 | 第9页 |
1.1.2 众包技术 | 第9-16页 |
1.1.3 基于众包的数据查询处理 | 第16-21页 |
1.2 主要研究内容和贡献点 | 第21-23页 |
1.3 章节安排 | 第23-24页 |
第2章 自适应的多属性众包连接查询 | 第24-47页 |
2.1 引言 | 第24-28页 |
2.1.1 研究背景 | 第24-25页 |
2.1.2 研究动机 | 第25-27页 |
2.1.3 方法概要 | 第27-28页 |
2.2 问题描述 | 第28-30页 |
2.2.1 基于众包的连接查询操作框架 | 第28页 |
2.2.2 问题生成 | 第28-29页 |
2.2.3 答案整合 | 第29-30页 |
2.3 基于分类和基于排序的问题生成方法 | 第30-33页 |
2.3.1 基于分类的问题生成方法 | 第30-31页 |
2.3.2 基于排序的问题生成方法 | 第31-32页 |
2.3.3 属性选择 | 第32-33页 |
2.4 CSCER | 第33-39页 |
2.4.1 分类-排序问题生成方法 | 第33-34页 |
2.4.2 分类-排序-聚类问题生成方法 | 第34-35页 |
2.4.3 自适应属性选择 | 第35-38页 |
2.4.4 CSCER工作流程 | 第38-39页 |
2.5 实验结果与分析 | 第39-45页 |
2.5.1 实验设置 | 第40-41页 |
2.5.2 问题生成方法评测 | 第41-45页 |
2.5.3 众包连接操作结果评测 | 第45页 |
2.6 本章小结 | 第45-47页 |
第3章 众包环境下多谓词查询优化 | 第47-71页 |
3.1 引言 | 第47-51页 |
3.1.1 研究背景 | 第47-48页 |
3.1.2 研究动机 | 第48-50页 |
3.1.3 方法概要 | 第50-51页 |
3.2 预备知识 | 第51-54页 |
3.2.1 基于采样的众包选择查询框架 | 第51-52页 |
3.2.2 谓词顺序生成 | 第52-53页 |
3.2.3 暴力序列生成方法 | 第53-54页 |
3.3 基于随机序列的最优选择算法 | 第54-59页 |
3.3.1 基本框架 | 第54-57页 |
3.3.2 质量和代价分析 | 第57-59页 |
3.4 基于过滤的序列选择算法 | 第59-64页 |
3.4.1 谓词选择性 | 第60-62页 |
3.4.2 基于过滤的序列选择 | 第62-64页 |
3.5 实验结果与分析 | 第64-70页 |
3.5.1 实验设置 | 第64-66页 |
3.5.2 参数k评测 | 第66-67页 |
3.5.3 参数η评测 | 第67-69页 |
3.5.4 参数C评测 | 第69-70页 |
3.6 本章小结 | 第70-71页 |
第4章 众包环境下增量式答案整合 | 第71-96页 |
4.1 引言 | 第71-74页 |
4.1.1 研究背景 | 第71-72页 |
4.1.2 研究动机 | 第72-74页 |
4.1.3 方法概要 | 第74页 |
4.2 问题描述 | 第74-76页 |
4.3 Inquire框架 | 第76-78页 |
4.4 问题模型与工人模型 | 第78-81页 |
4.4.1 问题模型 | 第78-79页 |
4.4.2 工人模型 | 第79-81页 |
4.5 问题模型和工人模型的更新策略 | 第81-88页 |
4.5.1 问题模型更新策略 | 第81-87页 |
4.5.2 工人模型更新策略 | 第87-88页 |
4.6 实验结果与分析 | 第88-95页 |
4.6.1 实验设置 | 第88-89页 |
4.6.2 工人模型评测 | 第89-90页 |
4.6.3 问题结果质量评测 | 第90-93页 |
4.6.4 运行时间评测 | 第93-95页 |
4.7 本章小结 | 第95-96页 |
第5章 总结与展望 | 第96-98页 |
5.1 论文主要研究工作总结 | 第96-97页 |
5.2 进一步研究工作及展望 | 第97-98页 |
参考文献 | 第98-107页 |
致谢 | 第107-109页 |
个人简历、在学期间发表的学术论文与研究成果 | 第109页 |