一、知识库中的空值探讨(论文文献综述)
范怡帆[1](2021)在《基于强化学习的人机谈判系统》文中认为随着人工智能的兴旺,电子商务行业迎来了新的发展机遇。随着在线交易的频率和规模的增加,商家与客户之间的在线协商和沟通变得越来越频繁。因为它们无法实现谈判,也无法分析用户,因此难以针对特定用户更好地达成交易。在线交易谈判流程的自动化已逐渐成为商家和消费者的潜在需求。但是,现有的在线对话系统(例如淘宝上的阿里小蜜和京东的在线客户服务)无法很好地满足这样的需求。目前,一方面,自动谈判的研究者主要集中在计算机对计算机的谈判上,而对人机谈判的研究不多。另一方面,对话系统的研究人员很少关注自动谈判。因此,在本文中,我们将对话系统的体系结构与自动谈判集成在一起,研发了一个人机谈判系统。它可以代替人工客服来处理许多重复性和多样化的谈判。它可以随时随地与多方进行谈判,从而显着提高谈判效率,并减少企业使用人工客服的成本。具体来说,我们基于微信小程序平台,研发了一个基于强化学习的人机谈判系统。我们的系统能够应对不同的用户或同一用户的不同出价方式,并采用动态谈判策略,提高谈判的效率。本文的主要贡献如下:我们综述了对话系统和自动谈判系统领域中的最新技术,比较了它们的优点和缺点,并建议了进一步研究的方向;我们将强化学习与用户行为建模相结合,设计了一种新颖的谈判策略,这个策略让我们的谈判系统在谈判中可以根据用户的行为来调整谈判策略;我们编写了对话语料和谈判语料库,采用fast Text算法训练识别人类意图的分类器,并且我们用基于特征词抽取的匹配算法来提取谈判对话中与价格相关的结构化信息;我们在微信小程序平台上实现人机谈判系统,该系统包括了分别从用户界面,对话理解,对话谈判管理和对话回应生成四个模块,并使用中文的自然语言与用户进行多轮谈判;我们进行了大量实验来分析我们的系统,通过分析意图识别模型的性能评估对话理解模块的性能,从系统谈判效率、对话成功率和公平性三个方面分析谈判策略的有效性,采用问卷调查的方式分析用户对系统的满意度。实验结果表明,我们研发的系统可以很准确地识别人类对手的意图,与人类对手进行谈判的效率、成功率以及公平性,大部分人类对手对我们的系统表示满意。本文设计和实现的人机谈判对话系统为研究对话系统和自动谈判的学者们提供了一个新的研究方向。
陈永欢[2](2021)在《面向枳壳智慧种植病虫害识别方法与应用》文中研究指明枳壳作为重要的中药材之一,是川渝、湖南、江西等地脱贫致富的重要经济作物。而枳壳病虫害的传染性和传播性严重威胁枳壳产品的产量和质量,极大地制约着乡村振兴。因此,枳壳病虫害的早发现、早治疗以及对乡村种植户病虫害防治知识与方法的普及至关重要。现阶段针对枳壳病虫害的图像识别研究仍然较少,依赖人工观察经验识别和管理病虫害效率低、准确率低。因此,基于枳壳病虫害识别算法的研究及智能识别系统的研发对于推进枳壳种植业发展、枳壳种植户增收具有重要现实意义。本文提出了一种基于多任务学习的枳壳病虫害识别算法。首先构建枳壳病虫害数据集,使用常用的VGG16、Inception V3、Dense Net121预训练模型对枳壳病虫害数据集进行图像分类训练,选用一个泛化能力较好的预训练模型并对其进行微调作为多任务学习模型的主干共享网络,然后设计用于枳壳病虫害分类和特征重建的分支任务网络,最后,通过对不同任务的权重调整,利用枳壳病虫害数据集训练图像识别模型并对枳壳病虫害进行分类识别。在此基础上,本文基于枳壳病虫害识别模型设计并实现了枳壳病虫害识别系统,系统包括微信小程序移动端和Web服务端,用户不仅可以在微信小程序上实时进行枳壳病虫害识别、病虫害知识查阅,病虫害知识问答等功能,还可在Web服务端进行信息管理操作,提高用户体验。通过以上研究及系统测试,本文实现的枳壳病虫害识别系统符合预期的设计目标,可以帮助种植户及时识别出病虫害情况,准确掌握病虫害防治管理知识,合理采取有效防治措施,从而提高枳壳产量和质量、减少经济损失、振兴乡村经济,促进中药材种植可持续发展,为我国中医药发展与国际推广提供优质的药材来源。
施英蕊[3](2020)在《基于BIM的建筑主体结构施工安全智能检查研究》文中研究表明在建筑领域中安全事故一旦发生,必然会付出生命、时间或金钱的代价,已然成为现代建筑行业亟待解决的重要问题。传统建筑领域安全管理通常依赖人员对行业强制性条文规范及经验的掌握,管理理念及技术手段单一,容易出现管理偏差,已无法满足复杂的施工安全管理需求。而BIM(Building Information Modeling,建筑信息模型)以其虚拟可视化及全周期信息表达等亮点在建筑领域引起了研究热潮,并在实际建造的各阶段投入广泛地使用,为建筑领域安全管理的研究和应用创造发展契机。基于此,本文在研究建筑领域施工阶段安全管理现状基础上,以BIM技术、作业安全分析、知识库等理论为研究立足点建立建筑主体结构施工安全智能检查系统,实现安全检查和学习培训的功能。本文主要研究内容如下:(1)结合传统建筑安全管理缺陷确定建筑主体结构安全智能检查系统数据需求,利用作业安全分析方法将建筑主体结构按照施工特点、工艺方法进行施工作业分解,辨识出各类安全隐患,并将现行施工规范整理成可识别的文本形式,确定施工安全隐患描述及安全规范条文清单,这成为建筑主体结构安全知识库的组成内容。(2)针对描述建筑信息技术特点及模型构件层级架构,设计三维模型构件拓扑关系(包括构件属性及关联构件)的提取特征和提取方法,利用Dynamo提取构件信息实例关系,联系计算机网络中拓扑结构中网状型与建筑模型构件关系,借助Gephi将提取的数据建立拓扑关系,帮助特定场景下的安全检查创建约束条件。(3)深入分析知识及知识库理论与本研究的相似点,将建筑主体结构的安全隐患描述、现行安全规范条文清单与提取出的构件拓扑关系等信息,按照BIM-JSA-规范和BIM-规范两条查询机制,设计建筑主体结构安全知识库的逻辑结构和存储关系,借助SQL Server 2012建立建筑主体结构安全知识库,为实现安全检查系统功能提供数据支持。(4)结合上述研究成果建立基于BIM和知识库的施工安全智能检查系统。基于传统施工安全管理弊端,通过分析系统的功能及数据需求,详细介绍该系统的设计原则及整体设计方案,搭建具备三个既相互独立又相互依存功能模块的系统框架,这三个模块分别为数据管理模块、信息比对模块和功能应用模块,借助Revit二次开发环境及C#开发语言对安全智能检查系统进行开发,实现数据更新、安全检查、学习培训等系统功能,使建筑领域安全管理更加科学、高效。该论文有图63幅,表33个,参考文献111篇。
王文娟[4](2020)在《面向企业的协同设计管理系统设计与实现》文中研究表明随着“智能制造”时代的到来,协同设计势必成为企业开展快速、高效设计研发的必然手段。而来自不同行业、不同地域、有着不同设计习惯的设计人员,如何快速适应、共同完成协同设计,是当前智能制造时代必须解决的问题,由此借助快速发展的互联网技术,开展面向企业的协同设计管理系统的研究具有重要的实用价值和现实意义。论文通过分析研究国内外大量的文献资料发现,协同设计管理系统在各行各业正在得到不同程度的应用,但不难发现,现有协同设计管理系统仍存在着设计与管理融合度低、应用局限性大、缺少柔性化等问题,为此论文基于对企业的设计需求调研,提出了一个面向企业的多功能、柔性化的协同设计管理系统功能模型,并利用互联网开发技术实现了该系统,即面向企业的协同设计管理系统(Collaborative Design Management System for Enterprises,CDMSE),最后通过企业的具体应用验证了系统的可行性。论文的主要工作及成果如下:(1)CDMSE功能模型设计。通过对现有协同设计管理系统的研究分析,结合计算机支持的协同工作(Computer Supported Cooperative Work,CSCW)工作原理、协同设计管理系统的功能需求分析,提出了一个面向企业的多功能、柔性化的协同设计管理系统功能模型。该模型将系统管理、协同设计、协同交流、知识库、人事资料库、插件库六大功能模块集中于一个平台系统,解决了以往企业设计进程需要在各种软件或系统之间不停切换的问题,提高了协同设计与管理的便捷性、高效性;为了提高系统柔性,提出了“插件库+通用系统”的组合设计理念,通过对插件库的设计,实现企业的协同设计管理系统柔性化和个性化定制。(2)CDMSE功能设计。结合CDMSE功能模型,针对目前企业开展协同设计以及协同设计工作流管理的实际需求,进行了系统的功能设计。(1)企业协同设计知识库的构建。按照亚里士多德(Aristctle)的知识分类方法,在CDMSE中将企业知识分为基础知识、设计案例、设计手册、设计标准四大模块,并构建其联结关系,通过搜索、我的收藏功能,帮助设计人员快速获取与项目相关知识及设计标准,同时帮助新加入成员快速了解企业与项目;(2)协同设计工作流的管理。针对项目管理(项目创建、进程查看、项目公告、项目成果、项目删除)、人员管理、审核、电子签名进行了设计,方便项目管理者进行进度监控、任务分解、人员分配、成果管理以及设计人员的任务汇报及成果上传,优化审核和签名过程,提高协同工作效率;(3)任务提醒。为参与设计的人员提供个性化的即时提醒服务,确保协同设计工作流进程的畅通、高效;(4)协同交流。提供了论坛、邮件、视频会议三种沟通方式,保证异步、异地设计人员均能准时无忧参与设计和讨论。(5)人事资料管理。便于项目管理者快速查看项目组成员个人信息及过往项目经历,更为合理地分配任务。(3)CDMSE1.0的开发实现及实例验证。结合系统的功能树及工作流程设计,在B/S架构下,利用Java Script+HTML5+CSS3及Bootstrap框架在Visual Studio Code上进行系统前端页面框架设计,后端服务器主要采用Java+Servlet+JSP(Java Server Pages)及My SQL5.0数据库、Spring框架、Spring MVC在Eclipse上完成开发,服务器端利用Tomcat7.0完成发布。并结合实例应用,验证系统的可用性和可行性。
徐洁[5](2020)在《互联网突发事件知识库构建》文中认为突发事件以其突发性、破坏性时刻威胁着社会的安康稳定,突发事件舆情更是考验着相关部门的应急管理能力与执政水平。当今社会,互联网给予了每个人话语权,逐渐成为事件舆论的主要阵地。这使得互联网蕴含着大量有价值的突发事件相关知识,然而这种战略性资源却没有得到有效的挖掘与利用。知识库作为一种管理知识的工具,能够实现对海量知识的高效管理,有效缓解“海量信息”与“知识匮乏”的矛盾问题。现有的知识库大多数面向通用开放领域,针对特定领域的知识库则需要专门构建。本文面向突发事件领域,构建互联网突发事件知识库,为突发事件相关知识的挖掘、存储与管理提供一种新的思路。主要研究内容如下:(1)突发事件数据采集与处理。利用Python网络爬虫,结合Selenium自动化工具、Scrapy框架,采集新浪微博和百度贴吧两个社交网络平台上的突发事件信息,形成初步的事件信息库。对采集的源数据进行数据清洗、中文分词、停用词过滤等一系列预处理操作。制定基于事件句的数据选择策略以选择出优质数据,使用BIO标注体系对突发事件的涉事对象进行标注,形成包含涉事人员(PER)、涉事组织机构(ORG)两类实体以及非实体(O)的标注数据集。(2)突发事件的涉事对象识别。以识别涉事人员、涉事组织机构两类突发事件涉事对象为目标,训练基于word2vec字向量的BiLSTM-CRF模型。实验表明,与随机初始化字向量相比,嵌入预训练的字向量提升了模型的识别效果。同时,与单一的HMM、CRF、BiLSTM几种模型相比,基于word2vec字向量的BiLSTM-CRF模型的总体识别率也较高。此模型在突发事件涉事对象的识别上具有良好的效果。(3)突发事件知识库构建及可视化系统实现。突发事件知识库包含事件信息库和涉事对象库两个子库,事件信息库为基本库,主要包含网络爬虫采集到的事件数据;涉事对象库为扩展库,主要包含算法提取出的涉事对象信息。为了提高知识获取的效率,搭建了互联网突发事件知识库可视化系统,展示了事件基本信息、事件舆情信息、涉事对象信息等知识模块。通过各个模块的知识管理功能,实现对知识库的维护与优化。本文在互联网上采集了突发事件数据并进行一系列的数据预处理操作,训练模型以识别突发事件中的涉事对象,并人工干预构建了涉事对象关系图,最终构建了包含事件信息库和涉事对象库的突发事件知识库,并搭建了突发事件知识库系统以对知识库进行可视化。
鲁光[6](2019)在《水泥预粉磨过程控制系统研发》文中研究表明水泥预粉磨过程在水泥联合粉磨中占有重要地位,水泥预粉磨过程的稳定运行,能够减少后续终粉磨阶段的生产压力,从而提升整个生产线的生产效率。水泥预粉磨过程涉及的设备及参数较多,参数之间耦合性强,迟滞性及非线性严重,增加了其控制难度。当前多数粉磨过程的控制手段依旧停留在基于DCS系统的人工控制,生产过程耗费大量人力,且由于操作人员的技术水平参差不齐,导致水泥制成过程产品的产、质量极不稳定,生产线的生产效率不高。本文在对水泥预粉磨过程工艺机理深入分析的基础上,明晰了参数之间的耦合关系,建立了用以描述水泥预粉磨生产过程参数之间关系的对应模糊认知图(Fuzzy cognitive map,FCM);通过归纳整理现场优秀操作员的操作经验,建立了专家知识库,并结合BangBang控制设计控制器;基于以上成果,设计了水泥预粉磨过程控制系统,并在现场实际应用。在智能化工厂关键技术研究与应用示范项目(山东省科技重大专项:2015ZDXX0101F01)资助下,本文开展工作如下:(1)深入分析了水泥预粉磨过程工艺机理,确定了控制系统的关键参数,包括:喂料量、稳流仓仓重、入磨提升机电流、辊压机插板开度、辊压机电流、循环风机转速、循环风机阀门开度和磨机负荷;(2)依据参数之间的耦合关系确定FCM模型的结构;根据基于最小平方技术的模糊认知图学习法(LSFCM)计算节点之间的相关性参数;基于上述所确定的结构与参数建立水泥预粉磨过程的FCM模型;采用实际生产的历史数据对模型参数进行滚动优化;通过对模型预测值的分析,验证了使用FCM模型对水泥预粉磨过程参数值进行预测的有效性。(3)结合现场优秀操作人员操作经验,建立专家知识库与推理机制,设计了专家系统;结合现场关键设备异常工况处置要求,设计BangBang控制器;基于FCM模型预测、专家系统及BangBang控制器设计了水泥预粉磨过程控制系统。(4)基于SQL Server建立系统配套数据库,使用OPC技术实现系统与现场DCS系统之间的数据交互;依托Visual Studio平台,使用C#开发了水泥预粉磨过程控制系统;工程现场实际运行验证了本系统的有效性。
陶钧[7](2019)在《基于分词统计模型的绝句创作系统的研究与实现》文中认为人工智能技术发展日新月异,其应用领域也越来越广泛.为扩大人工智能在人类文化领域的应用,“微软小冰”通过不断的提升,于2017年5月,发布了一部100%由人工智能创作的现代诗集——《阳光失了玻璃窗》,体现了人工智能人文,艺术领域的强大创作能力。然而,目前对于中国古代诗词的创作,还未形成比较成熟的方案.本文在人工智能用于中国古代诗词的创作方面,进行较为大胆的尝试。通过研究,并且,实现了一套完整的基于分词统计模型的绝句创作系统(Chinese poetry creation system,CPCS)。本文的主要创新工作,如下:在研究,分析了中国古代诗词的文字、章法和机器学习相关算法的基础上,设计实现了一个具有人机交互、中国诗词文章分析、中国诗词文章学习,中国诗词文章规则匹配、机器个性塑造和诗词创作等几大功能的智能系统。通过对上百篇的中国诗词文章的学习,使系统基本具备了,创作五言绝句和七言绝句的功能。以极简主义为原则,设计了人机交互方式.用户只需简单地输入一条带主题的创作指令,即可得到系统的创作结果;在系统进行中国诗词文章分析和学习时,通过对文章进行断句、基于统计的方法进行分词,即可得到待学习的词汇集合;之后,采用基于关联规则的词汇分类算法,将待学习词汇进行分类,得出词语的词性、声调、平仄、常用搭配、感情色彩等,便可以使机器轻松“掌握”词汇。在系统的自主创新创作阶段,结合指定的中国古代诗词的文字,章法等规则,设计了比较准确的规则匹配算法。并在Lucene开源工具包的基础上,实现了基于索引的全文检索功能,使得系统所创作出的作品,在语义和表达习惯上,具有一定合理性。最后,通过设计了一系列功能测试案例,对系统进行了测试。测试结果表明,该系统基本具备了创作五言绝句和七言绝句的能力。对于中国诗的其他形式作品,比如词曲歌赋等,希望今后能作进一步的研究。
靳丽雪[8](2019)在《动态模型驱动的工业云机器人知识进化研究》文中认为云计算和大数据等新兴技术的发展使云技术与机器人的融合成为可能,云机器人与工业机器人的结合为制造领域机器人提供了执行任务和资源共享的新模式,工业云机器人的知识工程可以实现知识的交流、共享和创造,提高生产效率,加速制定决策和提高决策质量。因此,如何将制造过程中的知识以统一的形式进行表达、在机器人之间实现共享流通并完成知识模型的进化具有重要的理论价值与现实意义。然而,当前关于机器人知识工程的研究在制造领域主要停留在传统工业机器人的知识应用,而工业云机器人的知识管理模型并不完善,因此对工业云机器人知识进化的研究具有重要意义。针对上述问题,本文以工业云机器人为研究对象,重点研究动态模型驱动的工业云机器人知识进化,主要的研究工作如下:(1)构建工业云机器人动态生产信息模型。从工业云机器人在制造领域的生产信息知识入手,确定工业云机器人生产信息模型知识要素,分析工业机器人模型、过程模型和对象模型的相关概念、属性和关系,构建工业云机器人生产信息模型知识架构。研究基于动态描述逻辑的机器人能力推理、基于SWRL语义规则的过程推理和基于案例模型的对象推理,利用OWL本体描述语言通过动态知识推理完成工业云机器人生产信息的动态建模。(2)提出工业云机器人知识进化机制与方法。分析工业云机器人知识进化机理,提出基于“知识获取-交互分享-迭代更新”机制的知识进化模型架构,并给出知识进化模型的运行机制。针对制造过程中生产信息动态变化的特点,采用增量学习的方法实现属性、对象和案例的增量式更新,基于粗糙集的理论对知识进行增量式约简,避免重建所有的原始模型,通过一个装配案例验证知识进化机制与方法的有效性。(3)基于构建的工业云机器人动态模型,设计并开发工业云机器人知识库系统,提供基于云平台可共享的制造领域生产信息知识库。该系统主要包含知识表示模块、知识推理模块和知识进化模块,功能包括知识模型的构建和可视化、生产信息的知识检索和决策方案的知识推荐,从而将制造环境下的显性和隐性知识进行传递,在应用的过程中实现对知识的继承和创新,进一步加快生产速度,提升生产效率。
弓婷[9](2019)在《基于依存句法分析的受限自然语言查询接口研究》文中认为自然语言是人类社会中最主要的信息载体,现实世界中存储和交换的大部分数据都是通过自然语言描述的,同时,它也是人与机器交互的重要媒介。数据库自然语言查询接口允许人们使用自然语言进行数据检索,不需要任何正式查询语言、数据库模型或底层数据的先验知识,因此对存储和检索信息具有重要意义。理想的自然语言接口应当支持用户针对底层数据库提出的任意查询,并以最低的代价获取准确的信息。由于受到自然语言处理技术的限制,实践上通常将查询语句的支持范围限定为一个受词汇、句式等方面约束的自然语言的子集,在该范围内实现受限的自然语言查询接口。本文的研究工作主要包括以下方面:(1)设计了一个通用数据库自然语言接口模型,在程序设计上将知识库构建与源代码相分离。根据通用接口的抽象模型,将自然语言到正式数据库语言的转换分解为自然语言到概念模型,再到结构化语言的两层映射,并以此为依据将系统划分为词法分析、句法分析和结构化语句生成三大模块。通过构建独立的专用知识库,实现系统的扩展性。(2)本文采用统计与词典相结合的N-最短路径分词方法,根据知识库优先级设定路径权重,并在分词过程中为每个词语标记关系数据的语义标签。同时,提出了一种以语义标签为依据的关系数据语义标注方法,实现查询语句的语义覆盖。通过依存句法分析获得查询语句的结构信息,并结合SQL语言特征消除数据的语义歧义。(3)本文以关系数据语义模型作为概念模型,以集合和链表作为中间数据结构,分析并总结了常用查询语句的句式特征,结合规则实现目标短语与条件短语的识别。对不同的目标及条件类型,提出针对性的转化策略。将原型系统应用于学生信息管理,实验表明该模型具有一定的可用性。
刘永楠[10](2019)在《不完整数据上的查询处理技术》文中研究指明随着大数据时代的到来,数据质量的重要性日益凸显。信息数字化过程中的种种错误,导致了数据库中的信息无法反映真实世界的完整面貌。当前的众多报告表明不完整数据会引起计算结果的偏差,进而对商业的决策和民众的生活造成广泛的不良影响,给查询的处理带来了挑战。因此设计不完整数据上的高效的查询处理技术,对弱可用数据进行有效使用至关重要。当前的数据可用性领域对于不完整数据上的查询处理的研究缺乏体系,这方面的研究面临极大的挑战。首先,缺乏统一的数据完整性评估模型,无法给出数据集合完整程度的真实评估结果。其次,面对无法修复全部缺失值的数据集合时,当前缺乏根据用户的需求,在查询结果中给出尽可能完整的信息的方法。第三,在不完整数据集合上,同时考虑完整信息程度和聚集目标时,当前缺乏在一定的质量误差条件下,给出高质量的查询结果的方法。第四,当前缺乏快速地估计查询结果的完整程度的方法,无法根据不完整数据的完整性特征,给出估计结果。为了有效地应对上述由不完整数据带来的挑战,在本文中,尝试在不进行数据修复的情况下,根据关系型数据的特点,提出不完整数据上的查询处理技术,提供具有较高完整性的查询结果,提出一系列的理论和对应的高效算法,解决了不完整数据上查询处理的一些关键问题,主要的研究内容可以进行如下概括。(1)在本文中,研究了数据完整性的评估模型和算法。为了克服当前对完整性的评估依赖具体查询,低估了数据中的有效信息含量的局限性,形式化地定义了基于函数依赖的数据完整性评估模型。这个模型可以从属性、元组和关系三个粒度,来度量所包含信息的完整程度。进而形式化了在此模型下的数据完整性评估问题,给出了这个问题的时间复杂性下界。然后,给出了结合函数依赖特点,用于完整性评估的完整性伪闭包。通过分析完整性伪闭包的性质,建立了完整性传播图来评估数据完整性。基于完整性传播图,给出了达到问题下界的高效评估算法。最后在真实数据集合与合成数据集合上的实验验证了算法的有效性和高效性。(2)在本文中,研究了基于支配集合的不完整数据的查询处理问题,并给出了高效的处理方法。当数据中的缺失值无法被修复,或者修复算法耗时较长时,可以根据用户的需求,选择一个完整程度较高,在用户感兴趣的属性上给出完整信息,并且规模较小的子集合,这个子集合被称为支配集合。基于这个集合,可以有效地处理查询,高效地给出查询结果。本文首先形式化了支配集合的选择问题,证明了其判定版本是一个NP-完全问题;其次,设计了高效的支配集合选择算法,通过理论分析,证明了所抽取的数据集合的良好性质。然后,基于支配集,给出了进一步处理查询的方法。最后,通过真实数据和合成数据上的实验,验证了所提出的方法的有效性和高效性,并研究了不同参数对于算法的影响。(3)在本文中,研究了带有完整性约束的不完整数据的查询处理问题,并给出了高效的处理方法。在不完整数据集合上,查询结果往往无法包含足够的信息。为此,提出了一种适用于不完整数据的查询结果的形式。在一定的质量误差范围内,对于返回的查询结果,既能在某些用户感兴趣的属性上给出较完整信息,又能在整体上近似地满足聚集性质,使之成为一个高质量的整体。首先,形式化地定义了这一问题,并证明了其判定版本是一个NP-完全问题。然后,根据用户是否明确地给出对于元组的选择策略,分别基于贪心策略和加权抽样方法,设计了两个多项式时间的近似算法。对于两个算法的时间复杂性,以及所给出的查询结果的质量给出了理论分析和证明。最后,通过实验验证了所提出的两个近似算法能够高效地给出高质量的查询结果,并且两个近似算法具有良好的可扩展性。(4)在本文中,研究了不完整数据上查询结果的完整性估计问题,并设计了高效的估计算法。当前缺乏对于整体数据集合的完整性信息的刻画方法,可以通过抽取一个反映整体数据集合的完整程度的特征数据集合,来进行查询结果的完整程度估计。为此,提出了特征数据集合应有的两条性质:覆盖性和完整度,分别从属性和属性值角度,给出了对于数据集合所容纳的完整信息的衡量。为了满足这两条性质和不同的需求,定义了6类不同的完整性特征数据集合,证明了上面6类特征数据集合的抽取问题的判定版本都是NP-完全问题;然后,设计了优化解规模猜测策略和误差分配策略,来充分利用不同完整程度的元组,近似地满足以上两个重要的性质。基于均匀抽样和上述策略,给出了抽取完整性特征数据集合的近似算法,它能在多项式时间内,高效地抽取近似满足这两个性质的特征数据集合。然后基于抽取的完整性特征集合,给出了高效的完整性估计的方法。通过理论分析,证明了估计算法具有良好的性质。最后,通过真实数据集合与合成数据集合上的实验,证明了所提出的完整性估计方法,能够高效地估计查询结果的完整程度。
二、知识库中的空值探讨(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、知识库中的空值探讨(论文提纲范文)
(1)基于强化学习的人机谈判系统(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景 |
1.2 研究的动机 |
1.3 技术路线 |
1.4 本文主要贡献 |
1.5 本文结构 |
第2章 文献综述 |
2.1 引言 |
2.2 对话管理 |
2.2.1 对话行为识别 |
2.2.2 对话状态跟踪 |
2.2.3 对话策略 |
2.2.4 本节小结 |
2.3 对话回应生成 |
2.3.1 基于规则的方法 |
2.3.2 基于知识的方法 |
2.3.3 基于深度学习的方法 |
2.3.4 基于生成式的特殊模型 |
2.3.5 基于知识和深度学习的混合方法 |
2.3.6 本节小结 |
2.4 对话系统的评估 |
2.4.1 评估基于任务的对话系统 |
2.4.2 评估开放域对话系统 |
2.4.3 基于学习的评估 |
2.4.4 挑战 |
2.4.5 本节小结 |
2.5 强化学习 |
2.5.1 简介 |
2.5.2 Q学习算法 |
2.5.3 本节小结 |
2.6 人机谈判 |
2.6.1 人机谈判必要性 |
2.6.2 人机谈判策略 |
2.6.3 谈判的相关方法 |
2.6.4 基于强化学习的人机谈判 |
2.6.5 本节小结 |
2.7 本章小结 |
第3章 系统结构 |
3.1 引言 |
3.2 人机谈判对话系统框架 |
3.3 系统模型定义 |
3.4 系统主函数 |
3.5 本章小结 |
第4章 人机谈判系统的用户界面 |
4.1 引言 |
4.2 用户界面的设计 |
4.2.1 基于微信小程序的前端输入 |
4.2.2 基于Flask框架的后台输出 |
4.3 用户界面的实现 |
4.4 本章小结 |
第5章 谈判对话理解 |
5.1 引言 |
5.2 对话理解的方法 |
5.2.1 基于特征词抽取的匹配算法 |
5.2.2 基于fast Text的意图识别 |
5.3 对话理解的实现 |
5.4 本章小结 |
第6章 基于强化学习的对话谈判管理 |
6.1 引言 |
6.2 对话谈判管理的原理 |
6.2.1 用户行为建模 |
6.2.2 基于Q学习的谈判策略 |
6.2.3 基于Q学习与用户行为建模的谈判策略 |
6.3 对话谈判管理的实现 |
6.4 本章小结 |
第7章 谈判回应生成 |
7.1 引言 |
7.2 基于模板匹配的回应生成方法 |
7.3 对话回应生成的实现 |
7.4 本章小结 |
第8章 谈判示例与分析 |
8.1 引言 |
8.2 谈判示例展示 |
8.3 谈判成功示例分析 |
8.4 谈判破裂示例分析 |
8.5 本章小结 |
第9章 系统评估 |
9.1 引言 |
9.2 意图识别模型的性能 |
9.3 价格谈判的衡量指标 |
9.4 用户满意度 |
9.5 本章小结 |
第10章 结束语 |
10.1 总结 |
10.2 展望 |
参考文献 |
附录A 意图识别模型的部分训练语料 |
A.1 问候意图类部分语料 |
A.2 商品询问意图类部分语料 |
A.3 谈判破裂意图类部分语料 |
A.4 谈判成功意图类部分语料 |
附录B 部分回复模板 |
B.1 问候类部分回复模板 |
B.2 商品询问类部分回复模板 |
B.3 谈判成功类部分回复模板 |
B.4 谈判破裂类部分回复模板 |
B.5 价格谈判类部分回复模板 |
读硕期间获得的成果与奖励 |
致谢 |
(2)面向枳壳智慧种植病虫害识别方法与应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 病虫害图像识别研究现状 |
1.2.2 病虫害识别领域相关应用 |
1.3 本文主要工作 |
1.4 本文组织结构 |
2 相关技术 |
2.1 后端开发框架 |
2.1.1 Spring Boot |
2.1.2 MyBatis |
2.2 前端界面交互 |
2.2.1 微信小程序 |
2.2.2 渐进式框架Vue |
2.3 数据存储解决方案 |
2.3.1 图数据库Neo4j |
2.3.2 关系型数据库My SQL |
3 枳壳病虫害图像识别算法研究 |
3.1 枳壳病虫害数据集的构建 |
3.2 枳壳病虫害识别模型 |
3.2.1 多任务学习理论 |
3.2.2 Dense Net网络 |
3.2.3 病虫害识别模型结构 |
3.3 实验与结果分析 |
3.3.1 数据集预处理 |
3.3.2 模型训练与评价指标 |
3.3.3 图像识别结果分析 |
4 枳壳病虫害识别系统分析 |
4.1 现状分析 |
4.2 用例分析 |
4.3 系统功能分析 |
4.3.1 病虫害知识库模块 |
4.3.2 病虫害图像识别模块 |
4.3.3 综合信息管理模块 |
5 枳壳病虫害识别系统设计 |
5.1 总体架构设计 |
5.2 数据库设计 |
5.2.1 概念设计 |
5.2.2 物理设计 |
5.3 功能模块设计 |
5.3.1 病虫害知识库模块 |
5.3.2 病虫害图像识别模块 |
5.3.3 综合信息管理模块 |
6 枳壳病虫害识别系统实现 |
6.1 系统开发环境 |
6.2 系统实现 |
6.2.1 病虫害知识库模块 |
6.2.2 病虫害图像识别模块 |
6.2.3 综合信息管理模块 |
7 系统测试 |
7.1 测试理论 |
7.2 功能测试 |
7.3 性能测试 |
结论 |
参考文献 |
致谢 |
(3)基于BIM的建筑主体结构施工安全智能检查研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外文献综述 |
1.4 主要研究内容和思路 |
2 基于JSA及规范建筑主体结构施工安全分析 |
2.1 基于JSA的建筑主体结构作业分解 |
2.2 建筑主体结构施工作业安全分析 |
2.3 建筑主体结构施工安全规范分析 |
2.4 本章小结 |
3 基于BIM的建筑主体结构拓扑关系构建 |
3.1 BIM技术研究 |
3.2 基于BIM的建筑构件信息提取 |
3.3 基于Dynamo和 Gephi的建筑构件信息提取 |
3.4 本章小结 |
4 建筑主体结构安全知识库构建 |
4.1 知识相关研究 |
4.2 建筑主体结构安全知识库框架 |
4.3 建筑主体结构安全知识库建立实例 |
4.4 本章小结 |
5 基于BIM的施工安全智能检查系统设计 |
5.1 基于BIM的施工安全智能检查系统需求分析 |
5.2 基于BIM的施工安全智能检查系统框架设计 |
5.3 基于BIM的施工安全智能检查系统功能应用原理 |
5.4 本章小结 |
6 基于BIM与知识库的施工安全智能检查系统实现 |
6.1 基于BIM的施工安全智能检查系统实现技术与环境 |
6.2 基于BIM的施工安全智能检查系统功能实现 |
6.3 基于BIM的施工安全智能检查系统应用 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(4)面向企业的协同设计管理系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及课题来源 |
1.1.1 研究背景 |
1.1.2 课题来源 |
1.2 国内外研究现状 |
1.2.1 知识管理研究现状 |
1.2.2 协同设计管理系统研究现状 |
1.3 研究目的及意义 |
1.4 研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 论文结构 |
第二章 面向企业的协同设计管理系统功能模型 |
2.1 协同设计概述 |
2.1.1 协同设计的特点 |
2.1.2 协同设计工作方式 |
2.2 CDMSE功能模型 |
2.2.1 功能需求分析 |
2.2.2 功能模型设计 |
2.3 CDMSE的功能模块设计 |
2.3.1 协同设计的工作流设计 |
2.3.2 协同设计模块设计 |
2.3.3 插件库模块设计 |
2.3.4 任务提醒模块设计 |
2.3.5 协同交流模块设计 |
2.3.6 人事资料库模块设计 |
2.4 CDMSE的安全管理 |
2.5 本章小结 |
第三章 面向企业的协同设计知识库构建 |
3.1 企业的知识库 |
3.1.1 企业知识库的构建意义 |
3.1.2 企业知识的分类 |
3.1.3 企业知识库的结构设计 |
3.2 大数据下的企业知识库构建 |
3.2.1 大数据及其应用 |
3.2.2 大数据下的知识库 |
3.3 CDMSE的知识库构建 |
3.3.1 知识库功能模块划分 |
3.3.2 知识库功能模块设计 |
3.4 本章小结 |
第四章 CDMSE1.0 的开发技术 |
4.1 CDMSE1.0 实现技术 |
4.1.1 系统逻辑结构 |
4.1.2 技术栈 |
4.2 CDMSE1.0 数据库设计 |
4.2.1 系统的E-R设计 |
4.2.2 数据库选择 |
4.2.3 数据库表设计 |
4.3 本章小结 |
第五章 CDMSE1.0 实现及实例验证 |
5.1 CDMSE1.0 功能树 |
5.2 CDMSE1.0 工作流程 |
5.3 CDMSE1.0 实例验证 |
5.3.1 登录注册模块 |
5.3.2 系统首页 |
5.3.3 知识库模块 |
5.3.4 协同设计模块 |
5.3.5 任务提醒模块 |
5.3.6 协同交流模块 |
5.3.7 人事资料库模块 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(5)互联网突发事件知识库构建(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
2 相关技术及理论介绍 |
2.1 网络爬虫 |
2.2 命名实体识别 |
2.3 本章小结 |
3 突发事件数据采集与处理 |
3.1 突发事件的采集 |
3.2 数据预处理 |
3.3 数据集分析与构造 |
3.4 本章小结 |
4 突发事件涉事对象识别 |
4.1 问题建模 |
4.2 基于BiLSTM-CRF的突发事件涉事对象识别模型 |
4.3 实验 |
4.4 本章小结 |
5 突发事件知识库构建及系统实现 |
5.1 需求分析 |
5.2 结构设计 |
5.3 功能模块设计 |
5.4 系统架构和实现 |
5.5 系统测试 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(6)水泥预粉磨过程控制系统研发(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究的目的及意义 |
1.3 水泥预粉磨模型的研究动态 |
1.4 水泥预粉磨控制系统研究现状 |
1.5 研究重点 |
1.6 本文主要工作 |
1.7 小结 |
第二章 水泥预粉磨过程工艺及控制思路 |
2.1 水泥预粉磨工艺 |
2.2 水泥预粉磨过程中干扰因素分析 |
2.3 水泥预粉磨控制参数分析 |
2.4 设计思想 |
2.4.1 水泥预粉磨模型建立构想 |
2.4.2 水泥预粉磨控制器设计思想 |
2.4.3 系统软件设计框架 |
2.5 小结 |
第三章 水泥预粉磨过程FCM模型的建立 |
3.1 水泥预粉磨过程的FCM模型设计 |
3.2 水泥预粉磨过程FCM模型 |
3.2.1 规范化数据 |
3.2.2 FCM结构及其权值的确定 |
3.3 FCM模型验证 |
3.3.1 随机误差 |
3.3.2 预测值误差 |
3.4 小结 |
第四章 水泥预粉磨过程的Bang_Bang控制器及专家控制器设计 |
4.1 水泥预粉磨过程的Bang_Bang控制 |
4.2 水泥预粉磨过程的专家控制 |
4.2.1 专家知识库 |
4.2.2 推理机制 |
4.3 小结 |
第五章 水泥预粉磨过程控制系统设计与实现 |
5.1 系统概况 |
5.2 通讯设计 |
5.2.1 初始化 |
5.2.2 数据读写 |
5.2.3 通讯部分的界面 |
5.2.4 数据交互流程 |
5.3 数据库设计 |
5.3.1 数据库设计的主要代码 |
5.3.2 数据库的界面设计 |
5.4 控制系统实现 |
5.4.1 系统过程模型及在线优化 |
5.4.2 控制器实现 |
5.4.3 其他功能实现 |
5.5 系统运行效果 |
5.6 小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
附录一 |
附录二 |
附录三 |
(7)基于分词统计模型的绝句创作系统的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.3.1 主要内容 |
1.3.2 关键问题 |
1.4 章节安排 |
第2章 相关理论与实现技术 |
2.1 相关算法介绍 |
2.2 数据库技术 |
2.2.1 数据库基础 |
2.2.2 MySQL数据库 |
2.3 中国诗词章法分析 |
2.3.1 五言绝句 |
2.3.2 七言绝句 |
2.4 本章小结 |
第3章 基于分词统计模型的绝句创作系统设计 |
3.1 需求分析 |
3.2 系统架构设计 |
3.3 系统模块设计 |
3.3.1 人机交互 |
3.3.2 知识分析 |
3.3.3 知识学习 |
3.3.4 规则控制 |
3.3.5 机器个性 |
3.3.6 诗词创作 |
3.3.7 数据存储 |
3.4 系统关键算法 |
3.4.1 诗词分词算法 |
3.4.2 词汇分类算法 |
3.4.3 特征搜索算法 |
3.4.4 规则匹配算法 |
3.5 数据库设计 |
3.6 本章小结 |
第4章 基于分词统计模型的绝句创作系统实现 |
4.1 开发环境 |
4.2 系统功能实现 |
4.2.1 人机交互 |
4.2.2 知识分析与学习 |
4.2.3 参数设置 |
4.2.4 诗词创作 |
4.2.5 数据存储与查询 |
4.3 本章小结 |
第5章 系统测试 |
5.1 测试目标 |
5.2 功能性测试 |
5.3 非功能性测试 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
学位论文数据集 |
(8)动态模型驱动的工业云机器人知识进化研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 课题研究的目的背景及意义 |
1.3 相关领域国内外研究现状 |
1.3.1 工业云机器人研究现状 |
1.3.2 机器人知识管理研究现状 |
1.3.3 现有研究中存在的问题和不足 |
1.4 本文主要研究内容及组织结构 |
第2章 工业云机器人动态生产信息模型构建 |
2.1 工业云机器人生产信息模型知识架构 |
2.1.1 工业云机器人生产信息模型知识要素 |
2.1.2 工业云机器人生产信息模型知识架构 |
2.2 基于动态推理的工业云机器人生产信息建模 |
2.2.1 工业云机器人生产信息模型知识推理 |
2.2.2 工业云机器人动态生产信息模型 |
2.3 本章小结 |
第3章 工业云机器人知识进化机制与方法研究 |
3.1 工业云机器人知识进化模型架构 |
3.1.1 工业云机器人知识进化机理 |
3.1.2 工业云机器人知识进化模型架构 |
3.2 工业云机器人知识进化模型运行机制 |
3.2.1 工业云机器人知识获取机制 |
3.2.2 工业云机器人交互共享机制 |
3.2.3 工业云机器人迭代更新机制 |
3.3 基于增量学习的工业云机器人知识进化方法 |
3.3.1 增量学习 |
3.3.2 基于增量学习的工业云机器人知识进化策略 |
3.3.3 工业云机器人知识进化结果 |
3.4 本章小结 |
第4章 工业云机器人知识库系统设计与实现 |
4.1 工业云机器人知识库系统总体设计 |
4.1.1 系统结构框架 |
4.1.2 系统开发及运行环境 |
4.1.3 系统开发技术 |
4.2 系统数据库设计 |
4.3 系统功能模块实现及运行分析 |
4.3.1 基本信息模块 |
4.3.2 知识表示模块 |
4.3.3 知识推理模块 |
4.3.4 知识进化模块 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 全文工作总结 |
5.2 未来工作展望 |
致谢 |
参考文献 |
读研期间发表论文 |
(9)基于依存句法分析的受限自然语言查询接口研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文研究的内容 |
1.4 本文的组织结构 |
第二章 NLIDB系统模型与知识库构建 |
2.1 受限分析 |
2.2 受限汉语自然语言接口模型分析 |
2.2.1 NLIDB模型分析 |
2.2.2 NLIDB系统模型 |
2.3 知识库构建 |
2.3.1 通用知识库 |
2.3.2 领域专用知识库 |
2.4 本章小结 |
第三章 融合关系数据语义的词法分析 |
3.1 关系数据语义表示 |
3.2 融合关系数据语义的N-最短路径分词算法 |
3.2.1 中文分词概述 |
3.2.2 本文的分词算法 |
3.3 词性标注 |
3.3.1 词性标注概述 |
3.3.2 隐马尔科夫词性标注分析 |
3.4 关系数据语义标注 |
3.4.1 关系数据语义结点 |
3.4.2 关系数据语义标注 |
3.5 本章小结 |
第四章 依存句法分析 |
4.1 依存句法分析概述 |
4.2 决策式依存句法分析模型 |
4.3 关系数据语义依存分析 |
4.4 独立语义集合 |
4.5 本章小结 |
第五章 结构化语句生成 |
5.1 查询目标识别 |
5.1.1 目标短语的识别 |
5.1.2 SQL目标子句的生成 |
5.2 查询条件的识别与分析 |
5.2.1 查询条件的分类 |
5.2.2 查询条件的中间结构 |
5.2.3 SQL条件子句的生成 |
5.3 本章小结 |
第六章 实验与分析 |
6.1 实验环境 |
6.2 实验结果与分析 |
6.2.1 测试用例与运行结果 |
6.2.2 示例分析 |
6.2.3 实验结果分析 |
6.2.4 错误分析 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
附录 A(攻读硕士学位期间主要成果) |
(10)不完整数据上的查询处理技术(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状及分析 |
1.2.1 数据完整性的判定与计算的相关工作 |
1.2.2 不完整数据修复的相关工作 |
1.2.3 完整性核心数据的抽取的相关工作 |
1.2.4 具有质量保证的查询处理的相关工作 |
1.2.5 现有工作的不足 |
1.3 本文的研究内容 |
1.4 本文章节安排 |
第2章 数据完整性的模型与判定 |
2.1 引言 |
2.2 数据完整性模型 |
2.2.1 属性完整性 |
2.2.2 元组完整性 |
2.2.3 关系完整性 |
2.2.4 计算属性完整性 |
2.2.5 数据完整性模型的具体化 |
2.3 问题的定义及其时间复杂性下界 |
2.4 数据完整性评估算法 |
2.4.1 数据完整性的伪闭包 |
2.4.2 完整性传播图 |
2.4.3 完整性传播图上的计算方法 |
2.4.4 计算数据完整性的最优化算法 |
2.5 数据完整性评估的应用 |
2.5.1 数据完整性与查询完整性的对比 |
2.5.2 在一些应用上的影响 |
2.5.3 评估数据完整性的其它扩展策略 |
2.6 实验结果和分析 |
2.6.1 实验准备 |
2.6.2 模型的有效性 |
2.6.3 算法DDC CPG的效率 |
2.6.4 在其它完整性要求下模型的性能 |
2.7 本章小结 |
第3章 基于支配集的不完整数据的查询处理方法 |
3.1 引言 |
3.2 支配集选择问题的定义和复杂性 |
3.2.1 问题定义 |
3.2.2 时间复杂性 |
3.3 支配集的近似选择算法 |
3.3.1 近似支配集选择算法ACS |
3.3.2 近似算法ACS的分析 |
3.3.3 近似算法的改进策略 |
3.4 基于支配集的查询处理方法 |
3.5 实验结果及分析 |
3.5.1 实验配置 |
3.5.2 选取支配集合的实验结果 |
3.5.3 基于近似的支配集合的查询处理的实验结果 |
3.6 本章小结 |
第4章 带有完整性约束的不完整数据查询处理方法 |
4.1 引言 |
4.2 问题定义和复杂性 |
4.3 查询处理算法 |
4.3.1 算法GreedyCombine |
4.3.2 算法CoreRefine |
4.4 实验结果与分析 |
4.4.1 实验准备 |
4.4.2 真实数据集合上的结果 |
4.4.3 合成数据上的实验结果 |
4.5 本章小结 |
第5章 不完整数据上查询结果完整性的估计方法 |
5.1 引言 |
5.2 完整性特征数据抽取的问题定义及时间复杂性 |
5.3 查询结果的完整性估计方法 |
5.3.1 完整性估计算法EQC |
5.3.2 抽取完整度元组集合 |
5.3.3 抽取覆盖性元组集合 |
5.4 算法EQC的分析 |
5.4.1 对算法DCP的分析 |
5.4.2 对算法DCV的分析 |
5.5 实验结果与分析 |
5.5.1 实验准备 |
5.5.2 真实数据集合上的结果 |
5.5.3 合成数据上的实验结果 |
5.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
四、知识库中的空值探讨(论文参考文献)
- [1]基于强化学习的人机谈判系统[D]. 范怡帆. 广西师范大学, 2021(09)
- [2]面向枳壳智慧种植病虫害识别方法与应用[D]. 陈永欢. 大连理工大学, 2021(01)
- [3]基于BIM的建筑主体结构施工安全智能检查研究[D]. 施英蕊. 中国矿业大学, 2020(01)
- [4]面向企业的协同设计管理系统设计与实现[D]. 王文娟. 西安电子科技大学, 2020(05)
- [5]互联网突发事件知识库构建[D]. 徐洁. 中国矿业大学, 2020(10)
- [6]水泥预粉磨过程控制系统研发[D]. 鲁光. 济南大学, 2019(01)
- [7]基于分词统计模型的绝句创作系统的研究与实现[D]. 陶钧. 浙江工业大学, 2019(02)
- [8]动态模型驱动的工业云机器人知识进化研究[D]. 靳丽雪. 武汉理工大学, 2019(07)
- [9]基于依存句法分析的受限自然语言查询接口研究[D]. 弓婷. 昆明理工大学, 2019(04)
- [10]不完整数据上的查询处理技术[D]. 刘永楠. 哈尔滨工业大学, 2019(01)