隨著計(jì)算機(jī)領(lǐng)域的發(fā)展,科技類數(shù)據(jù)的結(jié)構(gòu)趨向于復(fù)雜,在數(shù)據(jù)整合的過(guò)程中,數(shù)據(jù)重復(fù)的比率日趨增高。數(shù)據(jù)復(fù)用技術(shù)是解決當(dāng)前數(shù)據(jù)管理中節(jié)省存儲(chǔ)空間、提高數(shù)據(jù)利用率等問(wèn)題的有效手段。本文依托“河北省科技攻關(guān)項(xiàng)目科技大數(shù)據(jù)標(biāo)準(zhǔn)化處理與應(yīng)用系統(tǒng)研發(fā)”(172110113D)和“河北省科技創(chuàng)新大數(shù)據(jù)公共平臺(tái)”項(xiàng)目,提出了一種基于科技數(shù)據(jù)相似性分析的數(shù)據(jù)實(shí)體關(guān)聯(lián)映射復(fù)用方法。首先針對(duì)科技數(shù)據(jù)中不同數(shù)據(jù)集的數(shù)據(jù)維度進(jìn)行分析,建立相似維度組對(duì);在此基礎(chǔ)上進(jìn)一步計(jì)算實(shí)體數(shù)據(jù)維度值相似率,進(jìn)而建立數(shù)據(jù)實(shí)體之間的關(guān)聯(lián)映射關(guān)系,最后進(jìn)行標(biāo)準(zhǔn)化并存儲(chǔ),達(dá)到科技數(shù)據(jù)復(fù)用目的。論文的主要研究工作如下:(1)基于深度學(xué)習(xí)的科技數(shù)據(jù)相似維度組對(duì)的優(yōu)化分析建立了一種維度權(quán)重量化機(jī)制,對(duì)數(shù)據(jù)維度進(jìn)行權(quán)重分析,篩選可復(fù)用維度。針對(duì)不同科技數(shù)據(jù)集的維度,進(jìn)行相似度匹配分析,建立不同數(shù)據(jù)集之間的相似維度組對(duì);運(yùn)用深度學(xué)習(xí)算法進(jìn)行訓(xùn)練,獲得最優(yōu)相似維度組對(duì)。(2)科技數(shù)據(jù)實(shí)體關(guān)聯(lián)映射的構(gòu)建與標(biāo)準(zhǔn)化根據(jù)數(shù)據(jù)集之間形成的相似維度組對(duì),進(jìn)行不同數(shù)據(jù)集之間的數(shù)據(jù)實(shí)體關(guān)聯(lián)映射分析。相對(duì)于傳統(tǒng)的以查詢中間結(jié)果為數(shù)據(jù)復(fù)用對(duì)象,本文從數(shù)據(jù)實(shí)體之間建立的...

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 數(shù)據(jù)復(fù)用的相關(guān)研究
        1.2.2 數(shù)據(jù)相似性
    1.3 主要研究目標(biāo)及工作
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)概念與技術(shù)
    2.1 科技數(shù)據(jù)復(fù)用
        2.1.1 數(shù)據(jù)復(fù)用概念
        2.1.2 數(shù)據(jù)復(fù)用的應(yīng)用
    2.2 深度學(xué)習(xí)
        2.2.1 深度學(xué)習(xí)概念
        2.2.2 Word2vec模型原理
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.3 科技數(shù)據(jù)列式存儲(chǔ)
        2.3.1 非關(guān)系型數(shù)據(jù)庫(kù)Mongo DB簡(jiǎn)介
        2.3.2 非關(guān)系型數(shù)據(jù)庫(kù)與關(guān)系型數(shù)據(jù)庫(kù)的簡(jiǎn)單比較
    2.4 科技數(shù)據(jù)相似性分析
        2.4.1 基于傳統(tǒng)數(shù)據(jù)相似性分析方法
        2.4.2 基于深度學(xué)習(xí)相似性分析方法
    2.5 本章小結(jié)
第三章 面向科技數(shù)據(jù)復(fù)用的短文本相似性分析
    3.1 科技數(shù)據(jù)短文本預(yù)處理
        3.1.1 短文本分詞
        3.1.2 停用詞分析
        3.1.3 特征詞向量
    3.2 基于同義詞詞林改進(jìn)的科技短文本語(yǔ)義相似度算法
        3.2.1 同義詞詞林介紹
        3.2.2 基于同義詞詞林改進(jìn)的科技短文本相似度C_Lin算法
    3.3 基于內(nèi)注意力機(jī)制的科技短文本語(yǔ)義相似度模型
        3.3.1 基于LSTM的文本相似度識(shí)別
        3.3.2 基于內(nèi)注意力機(jī)制相似度分析IA-LSTM模型
    3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)流程
        3.4.2 結(jié)果分析
    3.5 本章小結(jié)
第四章 面向科技數(shù)據(jù)復(fù)用的維度相似性分析
    4.1 基于傳統(tǒng)特征分析的科技數(shù)據(jù)相似維度組對(duì)匹配策略
        4.1.1 科技數(shù)據(jù)集維度權(quán)重量化
        4.1.2 基于傳統(tǒng)特征分析的相似維度組對(duì)匹配算法
    4.2 基于深度學(xué)習(xí)算法的科技數(shù)據(jù)相似維度組對(duì)匹配策略
        4.2.1 科技數(shù)據(jù)集維度特征值量化
        4.2.2 基于深度學(xué)習(xí)的科技數(shù)據(jù)維度組對(duì)相似匹配模型設(shè)計(jì)
    4.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)流程
        4.3.2 結(jié)果分析
    4.4 本章小結(jié)
第五章 科技數(shù)據(jù)復(fù)用模型的驗(yàn)證
    5.1 相關(guān)工作
    5.2 實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)實(shí)體復(fù)用分析
        5.2.1 科技數(shù)據(jù)復(fù)用實(shí)驗(yàn)設(shè)計(jì)
        5.2.2 科技數(shù)據(jù)實(shí)體關(guān)聯(lián)映射分析
        5.2.3 科技數(shù)據(jù)復(fù)用結(jié)果標(biāo)準(zhǔn)化和復(fù)用存儲(chǔ)
    5.3 復(fù)用數(shù)據(jù)指標(biāo)評(píng)價(jià)與結(jié)果分析
        5.3.1 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.3.2 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3827942