| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 本文的结构安排 | 第11-12页 |
| 第2章 基本理论与相关知识 | 第12-29页 |
| 2.1 RDF数据 | 第12-13页 |
| 2.2 命名权威 | 第13页 |
| 2.3 PageRank算法 | 第13-15页 |
| 2.4 DING算法 | 第15-16页 |
| 2.5 Trust | 第16-20页 |
| 2.5.1 Trust基本概念 | 第16-17页 |
| 2.5.2 Trust分类 | 第17页 |
| 2.5.3 Trust特征 | 第17-19页 |
| 2.5.4 Trust度量 | 第19-20页 |
| 2.6 Trust模型研究 | 第20-21页 |
| 2.6.1 Beth模型 | 第20页 |
| 2.6.2 Josang模型 | 第20-21页 |
| 2.6.3 FIRE模型 | 第21页 |
| 2.7 Trust计算相关方法 | 第21-23页 |
| 2.7.1 基于信誉的Trust计算方法 | 第21-23页 |
| 2.7.2 基于上下文的Trust计算方法 | 第23页 |
| 2.7.3 基于内容Trust计算方法 | 第23页 |
| 2.7.4 基于Web社会网络的Trust计算方法 | 第23页 |
| 2.8 Provenance | 第23-25页 |
| 2.8.1 Provenance类别 | 第24页 |
| 2.8.2 Provenance表示 | 第24-25页 |
| 2.9 Provenance模型 | 第25-28页 |
| 2.9.1 开放Provenance模型 | 第25-26页 |
| 2.9.2 Hartig模型 | 第26-28页 |
| 2.10 本章小结 | 第28-29页 |
| 第3章 RDF数据评价模型设计和评价算法优化 | 第29-48页 |
| 3.1 问题的提出及分析 | 第29-30页 |
| 3.2 评价模型设计 | 第30-47页 |
| 3.2.1 结合Trust机制的RDF数据评价模型TRTEM | 第30-39页 |
| 3.2.2 结合Provenance的RDF数据可信度评价模型PTRTEM | 第39-43页 |
| 3.2.3 结合评价因子QPR算法的RDF数据可信度评价QPTRTEM | 第43-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 实验设计及结果分析 | 第48-59页 |
| 4.1 实验框架 | 第48页 |
| 4.2 实验数据与方案 | 第48-49页 |
| 4.3 实验结果分析 | 第49-58页 |
| 4.3.1 实验结果对比分析 | 第49-56页 |
| 4.3.2 模型误差分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-60页 |
| 5.1 结论 | 第59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录1 攻读硕士学位期间发表的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 详细摘要 | 第67-71页 |
