| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 图目录 | 第11-12页 |
| 表目录 | 第12-13页 |
| 第1章 绪论 | 第13-32页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究动态 | 第14-25页 |
| 1.2.1 数据记录抽取技术 | 第14-17页 |
| 1.2.2 数据的主题概念抽取技术 | 第17-20页 |
| 1.2.3 重复记录检测技术 | 第20-23页 |
| 1.2.4 数据冲突消解技术 | 第23-25页 |
| 1.3 Deep Web 数据抽取及精炼面临的问题 | 第25-28页 |
| 1.4 研究内容及贡献 | 第28-30页 |
| 1.5 本文组织结构 | 第30-32页 |
| 第2章 基于 Markov 逻辑网的通用数据记录抽取建模 | 第32-55页 |
| 2.1 引言 | 第32-33页 |
| 2.2 Deep Web 数据记录抽取相关概念定义 | 第33-37页 |
| 2.2.1 特殊类型数据定义 | 第33-34页 |
| 2.2.2 结果页面多级分类 | 第34-35页 |
| 2.2.3 Markov 逻辑网 | 第35-37页 |
| 2.3 DR-MLNs 模型 | 第37-39页 |
| 2.4 视觉处理模块 | 第39-42页 |
| 2.4.1 基于视觉特征的网页结构描述 | 第40-41页 |
| 2.4.2 基于 VIPS 算法的 Vision 树构建 | 第41-42页 |
| 2.5 多层次页面分类与特征抽取 | 第42-45页 |
| 2.5.1 Vision 树块特征 | 第42-43页 |
| 2.5.2 query 谓词与 evidence 谓词 | 第43-45页 |
| 2.6 推理公式 | 第45-47页 |
| 2.7 实验 | 第47-54页 |
| 2.7.1 实验数据集 | 第47-48页 |
| 2.7.2 实验评价标准 | 第48页 |
| 2.7.3 实验设置 | 第48-49页 |
| 2.7.4 测试与结果分析 | 第49-54页 |
| 2.8 本章小结 | 第54-55页 |
| 第3章 基于实体主题分布的数据概念抽取建模 | 第55-75页 |
| 3.1 引言 | 第55-57页 |
| 3.2 几种主题模型简介 | 第57-60页 |
| 3.2.0 LDA(Latent Dirichlet Allocation)模型 | 第57-58页 |
| 3.2.1 Link-LDA 模型和 Link-PLSA-LDA 模型 | 第58-59页 |
| 3.2.2 Author Model 模型和 Author Topic Model 模型 | 第59-60页 |
| 3.3 实体主题模型的定义和描述 | 第60-62页 |
| 3.4 实体主题模型的生成过程 | 第62-68页 |
| 3.4.1 实体主题的图模型介绍 | 第62-64页 |
| 3.4.2 模型学习与推理 | 第64-68页 |
| 3.5 实验 | 第68-74页 |
| 3.5.1 实验数据集 | 第68页 |
| 3.5.2 Baseline 方法选择、参数设置及评价指标 | 第68-69页 |
| 3.5.3 测试与结果分析 | 第69-74页 |
| 3.6 本章小结 | 第74-75页 |
| 第4章 基于主动迁移学习的重复记录检测及精炼 | 第75-97页 |
| 4.1 引言 | 第75-77页 |
| 4.2 多源 Deep Web 重复记录检测的问题描述 | 第77-79页 |
| 4.2.1 问题定义 | 第77-79页 |
| 4.3 预备知识 | 第79-80页 |
| 4.3.1 重复记录检测的基本流程 | 第79页 |
| 4.3.2 数据预处理 | 第79-80页 |
| 4.3.3 相似度计算方法 | 第80页 |
| 4.4 多源主动迁移学习的重复记录检测 | 第80-81页 |
| 4.5 多源主动迁移学习算法模型 | 第81-87页 |
| 4.5.1 基本标记符号 | 第81-82页 |
| 4.5.2 多源实体解析主动采样策略 | 第82页 |
| 4.5.3 基于迁移学习模型的线性分类器 | 第82-85页 |
| 4.5.4 多数据源主动学习 | 第85-87页 |
| 4.6 实验 | 第87-96页 |
| 4.6.1 实验数据集 | 第87-88页 |
| 4.6.2 基本的评价指标 | 第88-89页 |
| 4.6.3 主要对比算法介绍 | 第89页 |
| 4.6.4 实验与结果分析 | 第89-96页 |
| 4.7 本章小结 | 第96-97页 |
| 第5章 利用时态数据评估数据源可信度的真值精炼策略 | 第97-117页 |
| 5.1 引言 | 第97-99页 |
| 5.2 问题描述与定义 | 第99-100页 |
| 5.3 时间弱化系数的作用 | 第100-106页 |
| 5.3.1 时间弱化系数定义 | 第100-101页 |
| 5.3.2 弱化系数的学习 | 第101-105页 |
| 5.3.3 基于弱化系数的相似度计算 | 第105-106页 |
| 5.4 基于数据源可信度的真值精炼策略 | 第106-111页 |
| 5.4.1 模型描述 | 第106页 |
| 5.4.2 基于数据源可信度的真值聚类 | 第106-111页 |
| 5.5 实验 | 第111-116页 |
| 5.5.1 实验数据集 | 第111页 |
| 5.5.2 Baseline 方法选择、参数设置及评价指标 | 第111-112页 |
| 5.5.3 测试与结果分析 | 第112-116页 |
| 5.6 本章小结 | 第116-117页 |
| 第6章 总结与展望 | 第117-120页 |
| 6.1 本文总结 | 第117-119页 |
| 6.2 下一步的工作 | 第119-120页 |
| 参考文献 | 第120-132页 |
| 攻读博士学位期间相关的科研情况 | 第132-134页 |
| 攻读博士学位期间发表的相关论文 | 第134-135页 |
| 致谢 | 第135-136页 |
