林业WEB黄页信息整合中数据去重关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究内容与技术路线 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 2 数据去重的相关技术 | 第15-26页 |
| ·相似重复记录概念 | 第15-16页 |
| ·字段匹配算法 | 第16-21页 |
| ·基本的字段匹配算法 | 第17页 |
| ·递归的字段匹配算法 | 第17页 |
| ·基于编辑距离的字段匹配算法 | 第17-19页 |
| ·Cosine相似度函数算法 | 第19页 |
| ·Smith-Waterman距离算法 | 第19页 |
| ·算法比较 | 第19-21页 |
| ·相似重复记录的检测 | 第21-24页 |
| ·近邻排序算法 | 第21-22页 |
| ·多趟近邻排序算法 | 第22页 |
| ·优先队列算法 | 第22-23页 |
| ·算法比较 | 第23-24页 |
| ·衡量算法效率的度量标准 | 第24页 |
| ·冲突处理 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 逐级聚类的数据去重算法 | 第26-41页 |
| ·WEB信息特点 | 第26-27页 |
| ·数据预处理 | 第27-30页 |
| ·异常记录修改 | 第27-29页 |
| ·属性选择与权值分配 | 第29页 |
| ·中文分词 | 第29-30页 |
| ·关键属性分割 | 第30-31页 |
| ·Canopy聚类 | 第31-34页 |
| ·倒排检索 | 第32页 |
| ·Canopy聚类 | 第32-34页 |
| ·精确聚类 | 第34-35页 |
| ·基于动态权重的模糊实体匹配策略 | 第35-39页 |
| ·基于编辑距离的记录相似度计算 | 第35-36页 |
| ·模糊实体名称匹配 | 第36-38页 |
| ·动态权重 | 第38-39页 |
| ·算法复杂度分析 | 第39页 |
| ·本章小结 | 第39-41页 |
| 4 数据去重模块设计及实现 | 第41-50页 |
| ·模块框架结构 | 第41-44页 |
| ·数据预处理子模块 | 第41-43页 |
| ·关键属性分割子模块 | 第43页 |
| ·Canopy聚类子模块 | 第43页 |
| ·精确聚类子模块 | 第43-44页 |
| ·数据库设计 | 第44-46页 |
| ·实验数据分析 | 第46页 |
| ·实验结果 | 第46-50页 |
| ·阀值选择 | 第46-48页 |
| ·准确率和召回率对比 | 第48页 |
| ·运行时间对比 | 第48-50页 |
| 5 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 个人简介 | 第55-56页 |
| 导师简介 | 第56-57页 |
| 获得成果目录 | 第57-58页 |
| 致谢 | 第58页 |
