2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、由于互聯(lián)網(wǎng)信息的飛速發(fā)展,Web中蘊含了海量的信息供人們使用,其中Deep Web數(shù)據(jù)庫是對用戶不可見的,其中涵蓋的信息只能通過特定的查詢接口來查詢獲得。為了充分利用Deep Web中豐富的有價值的信息,以及提高對其查詢的效率,Deep Web數(shù)據(jù)集成系統(tǒng)的建立成為了當(dāng)前的研究熱點。其中,Deep Web數(shù)據(jù)庫的選擇則是此集成系統(tǒng)中查詢處理模塊相當(dāng)重要的環(huán)節(jié)。
  本文針對Deep Web數(shù)據(jù)源的選擇,從通過采樣的辦法獲取數(shù)據(jù)源特

2、征,評估采樣質(zhì)量,以及根據(jù)選取評價指標(biāo)計算數(shù)據(jù)源的總體得分對數(shù)據(jù)源進行排序、選擇,這三個方面進行重點研究。
  第一,本文在基于采樣的隨機漫步采樣方法的基礎(chǔ)上,針對對于關(guān)鍵字屬性研究的缺失,通過分析采樣過程中屬性分類的問題,提出一種引入關(guān)鍵字屬性并對其進行屬性分類的擴展方法,同時,進一步考慮到已有研究缺乏對分類屬性中含樹形特征的屬性的研究,從而提出樹形分類屬性的概念并給出了在采樣過程中的處理方法。
  第二,在原始隨機漫步采

3、樣方法的基礎(chǔ)上,通過保存采樣路徑,使隨后產(chǎn)生的將要進行采樣的路徑與已有路徑進行掃描比較,據(jù)此提出一種避免擁有部分相同路徑的屬性值產(chǎn)生重復(fù)提交查詢的隨機漫步方法的改進算法,以此對數(shù)據(jù)源進行采樣,從而進一步提高采樣效率。
  第三,在采樣評價體系中考慮了樣本與數(shù)據(jù)源的信息內(nèi)容的一致性,將文本信息內(nèi)容的文本相似度計算方法引入采樣質(zhì)量評價體系中來,結(jié)合樣本集與數(shù)據(jù)源比值法對樣本偏差的衡量,進一步完善了對采樣質(zhì)量的評價。
  第四,在

4、采樣結(jié)果所獲樣本集的基礎(chǔ)上,對數(shù)據(jù)源質(zhì)量進行評價,給出權(quán)威性、領(lǐng)域相關(guān)性、準確性、冗余性、時效性這五個評價指標(biāo)對數(shù)據(jù)源質(zhì)量進行評估,并給出五項指標(biāo)的量化方法及公式。并在準確性指標(biāo)計算中,對語義相似度的計算做了相應(yīng)的改進,將漢明距離的相似度計算方法加入了語義相似度的元素。通過對五個指標(biāo)的綜合評價,得到數(shù)據(jù)源的總體得分,按總分進行排序選擇。
  實驗表明,本文提出的方法,對以往方法存在的問題有了很大的改進,并進一步在采樣質(zhì)量和效率上都

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論