| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-17页 |
| 1.1 课题的研究背景 | 第11-13页 |
| 1.1.1 大数据时代 | 第11-12页 |
| 1.1.2 实体识别 | 第12-13页 |
| 1.2 问题提出 | 第13-15页 |
| 1.3 文章主要内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关工作 | 第17-33页 |
| 2.1 数据预处理 | 第17-19页 |
| 2.2 相似性度量 | 第19-22页 |
| 2.3 实体识别研究现状 | 第22-26页 |
| 2.3.1 实体匹配 | 第22-25页 |
| 2.3.2 实体合并 | 第25-26页 |
| 2.3.3 并行化处理策略 | 第26页 |
| 2.4 MapReduce计算模型 | 第26-29页 |
| 2.4.1 MapReduce工作流程 | 第27-28页 |
| 2.4.2 MapReduce作业控制 | 第28-29页 |
| 2.5 BSP计算模型 | 第29-32页 |
| 2.5.1 BSP编程模式 | 第30-31页 |
| 2.5.2 BSP作业处理流程 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于MapReduce的实体匹配策略 | 第33-51页 |
| 3.1 问题定义 | 第33-34页 |
| 3.2 数据处理 | 第34-38页 |
| 3.2.1 Shingle划分 | 第34-37页 |
| 3.2.2 token排序 | 第37-38页 |
| 3.3 基于MapReduce的前缀分发 | 第38-40页 |
| 3.4 当前匹配策略分析 | 第40-42页 |
| 3.5 基于映射表的相似匹配策略 | 第42-45页 |
| 3.6 基于二分查找的相似匹配策略 | 第45-48页 |
| 3.7 策略对比分析 | 第48-49页 |
| 3.8 本章小结 | 第49-51页 |
| 第4章 基于BSP的相似子图构建算法 | 第51-63页 |
| 4.1 问题描述 | 第51-52页 |
| 4.2 当前策略分析 | 第52页 |
| 4.3 基于BSP模型的相似子图构建算法 | 第52-60页 |
| 4.3.1 单主节点多从节点的单BSP超步算法 | 第53-55页 |
| 4.3.2 单主节点单从节点的多BSP超步算法 | 第55-57页 |
| 4.3.3 单主节点n从节点的多BSP超步算法 | 第57-60页 |
| 4.4 算法分析 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 实验结果分析 | 第63-71页 |
| 5.1 实验环境 | 第63页 |
| 5.2 实验数据 | 第63页 |
| 5.3 相似匹配策略实验结果与性能评估 | 第63-66页 |
| 5.3.1 算法性能比较 | 第63-64页 |
| 5.3.2 改变相似度阈值对性能的影响 | 第64-66页 |
| 5.4 相似子图构建算法实验结果与性能评估 | 第66-69页 |
| 5.4.1 BSP算法与MapReduce算法性能比较 | 第66-67页 |
| 5.4.2 BSP算法二不同tasker数量设定性能比较 | 第67-68页 |
| 5.4.3 BSP算法三不同从节点数量设定性能比较 | 第68-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 本文工作总结 | 第71页 |
| 6.2 进一步研究的工作 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻硕期间发表的论文及参加的项目 | 第79页 |
