1、隨著互聯(lián)網(wǎng)的迅速普及，網(wǎng)絡(luò)購物逐漸成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?。從海量商品?shù)據(jù)中找到表示相同商品的不同記錄，即對商品數(shù)據(jù)進(jìn)行實體匹配，有利于用戶在相同的商品之間進(jìn)行比較，對購物搜索有著重要意義，是一個現(xiàn)實的應(yīng)用問題。
　　本研究主要內(nèi)容包括：⑴針對現(xiàn)有自適應(yīng)窗口的分塊方法處理商品數(shù)據(jù)會丟失大量匹配記錄的問題，提出了改進(jìn)的分塊方法，考慮了匹配結(jié)果的不確定性，并根據(jù)不同的匹配結(jié)果相應(yīng)采用不同的方案擴展窗口。通過實驗證實，改進(jìn)的方

2、法在不丟失匹配記錄的同時大幅提高了匹配效率。⑵提出了一種利用商品圖片信息提升實體匹配結(jié)果的方法。該方法提取圖片的局部特征，通過圖片特征量化后得到的單詞對圖片的相似性進(jìn)行簡單的衡量，結(jié)合商品記錄的圖片與文本屬性對匹配結(jié)果進(jìn)行綜合判斷。實驗結(jié)果表明，在利用圖片信息后，實體匹配的結(jié)果有了較為明顯的提升。⑶提出進(jìn)行分布式實體匹配的方案并實現(xiàn)了基于 Hadoop平臺的分布式商品實體匹配。采用多臺Linux系統(tǒng)機器搭建了一個Hadoop集群，并通過