| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 研究背景 | 第14-17页 |
| 1.1.1 Web大数据 | 第14-16页 |
| 1.1.2 Web用户需求 | 第16-17页 |
| 1.2 研究现状 | 第17-28页 |
| 1.2.1 Web数据库查询调度 | 第18-21页 |
| 1.2.2 Web数据库增量爬取 | 第21-25页 |
| 1.2.3 Web深网数据源选择 | 第25-28页 |
| 1.3 研究内容 | 第28-29页 |
| 1.4 论文结构 | 第29-32页 |
| 第二章 基于公共子表达式结果共享的查询调度方法 | 第32-51页 |
| 2.1 引言 | 第32-34页 |
| 2.2 基础知识和问题描述 | 第34-39页 |
| 2.2.1 系统模型 | 第34-37页 |
| 2.2.2 用户满意度和问题定义 | 第37-38页 |
| 2.2.3 语义缓存和多查询优化 | 第38-39页 |
| 2.3 基于公共子表达式结果共享的查询调度方法 | 第39-46页 |
| 2.3.1 基于查询表达式的调度策略 | 第39-41页 |
| 2.3.2 基于查询相关性的查询划分 | 第41-44页 |
| 2.3.3 基于查询子表达式的查询调度策略 | 第44-46页 |
| 2.4 实验及分析 | 第46-50页 |
| 2.4.1 实验准备 | 第47页 |
| 2.4.2 实验分析 | 第47-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 基于top-k查询约束的深网增量爬取方法 | 第51-73页 |
| 3.1 引言 | 第51-54页 |
| 3.2 基础知识和问题描述 | 第54-60页 |
| 3.2.1 Web数据库爬取模型 | 第54-56页 |
| 3.2.2 Web数据库增量爬取模型 | 第56-58页 |
| 3.2.3 评价尺度 | 第58-60页 |
| 3.2.4 问题描述 | 第60页 |
| 3.3 一种自底向上的深网增量爬取方法 | 第60-68页 |
| 3.3.1 方法框架 | 第61页 |
| 3.3.2 查询结果数量变化估计 | 第61-64页 |
| 3.3.3 查询生成代价估计 | 第64-65页 |
| 3.3.4 查询选择 | 第65-68页 |
| 3.4 实验及分析 | 第68-72页 |
| 3.4.1 实验准备 | 第68-69页 |
| 3.4.2 实验分析 | 第69-72页 |
| 3.5 本章小结 | 第72-73页 |
| 第四章 基于分层抽样的重叠深网数据源选择方法 | 第73-101页 |
| 4.1 引言 | 第73-77页 |
| 4.2 基础知识和问题描述 | 第77-79页 |
| 4.2.1 深网数据库 | 第77-78页 |
| 4.2.2 数据源摘要 | 第78页 |
| 4.2.3 问题描述 | 第78-79页 |
| 4.3 基于分层抽样的重叠数据源选择方法 | 第79-87页 |
| 4.3.1 基于误差约束的数据源分层抽样 | 第80-82页 |
| 4.3.2 查询覆盖率估计 | 第82-84页 |
| 4.3.3 重叠数据源选择 | 第84-87页 |
| 4.4 实验及分析 | 第87-100页 |
| 4.4.1 实验准备 | 第87-89页 |
| 4.4.2 TPC-W合成数据集上的实验结果与分析 | 第89-95页 |
| 4.4.3 Abebooks真实数据集成的实验结果与分析 | 第95-100页 |
| 4.5 本章小结 | 第100-101页 |
| 第五章 T-Music:个性化Web音乐系统 | 第101-114页 |
| 5.1 引言 | 第101页 |
| 5.2 系统架构 | 第101-105页 |
| 5.3 系统核心功能 | 第105-113页 |
| 5.3.1 基于公共子表达式结果共享的查询调度 | 第105-108页 |
| 5.3.2 基于top-k查询约束的深网增量爬取 | 第108-110页 |
| 5.3.3 基于分层抽样的重叠数据源选择 | 第110-113页 |
| 5.4 本章小结 | 第113-114页 |
| 第六章 总结与展望 | 第114-117页 |
| 6.1 本文总结 | 第114-115页 |
| 6.2 研究展望 | 第115-117页 |
| 参考文献 | 第117-126页 |
| 附录1 攻读博士学位期间科研成果 | 第126-127页 |
| 附录2 攻读博士学位期间参与的科研项目 | 第127-128页 |
| 致谢 | 第128页 |