基于查詢能力的Deep Web數(shù)據(jù)庫(kù)選擇研究.pdf

1、為了有效利用Deep Web中豐富的信息,當(dāng)前的許多研究多集中于對(duì)Deep Web數(shù)據(jù)集成中子問題的研究。而在這些子問題中,Web數(shù)據(jù)庫(kù)選擇是影響Deep Web數(shù)據(jù)集成質(zhì)量的重要因素之一。對(duì)于Web數(shù)據(jù)選擇,一方面應(yīng)提高召回率和準(zhǔn)確率,另一方面,還應(yīng)降低代價(jià)。但已有的方法大多無法同時(shí)滿足這兩項(xiàng)要求。為解決這個(gè)問題,本文分別對(duì)后臺(tái)數(shù)據(jù)庫(kù)和查詢接口的特征進(jìn)行了研究,提出了可滿足以上要求的兩種Web數(shù)據(jù)庫(kù)選擇方法。一種為基于主題分布的Web

2、數(shù)據(jù)庫(kù)選擇方法,另一種為基于綜合查詢能力的Web數(shù)據(jù)庫(kù)選擇方法。本文的主要研究?jī)?nèi)容如下:
　　 (1)在基于主題分布的Web數(shù)據(jù)庫(kù)選擇方法中,首先對(duì)Web數(shù)據(jù)庫(kù)的后臺(tái)數(shù)據(jù)庫(kù)內(nèi)容的主題層次特征進(jìn)行了研究,并利用目錄集成技術(shù)實(shí)現(xiàn)對(duì)Web數(shù)據(jù)庫(kù)主題層次的集成。其次為獲取Web數(shù)據(jù)庫(kù)主題分布,研究了使用查詢探測(cè)獲取Web數(shù)據(jù)庫(kù)主題分布的方法。再次對(duì)查詢主題進(jìn)行了研究,并提出了獲取查詢主題的一般方法。最后利用查詢主題下主題分布實(shí)現(xiàn)了Web

3、數(shù)據(jù)庫(kù)的選擇。
　　 (2)在基于綜合查詢能力的Web數(shù)據(jù)庫(kù)選擇方法中,首先對(duì)Web數(shù)據(jù)庫(kù)的查詢接口模式的建模方法進(jìn)行了研究,即在已有的查詢接口模式模型的基礎(chǔ)上,建立了可反映查詢接口查詢能力特征的三層模式模型。其次研究了獲取各層模式特征的方法,并提出了獲取原子查詢集、屬性能力表、查詢接口種類等特征的方法。然后研究了利用查詢接口的模式特征計(jì)算查詢接口查詢能力的算法和利用后臺(tái)數(shù)據(jù)庫(kù)內(nèi)容特征(Web數(shù)據(jù)庫(kù)的主題分布)計(jì)算后臺(tái)數(shù)據(jù)庫(kù)查詢

4、能力的算法。最后利用這兩項(xiàng)查詢能力實(shí)現(xiàn)了Web數(shù)據(jù)庫(kù)的選擇。
　　 (3)為評(píng)估這兩種方法的性能,提出了返回比和準(zhǔn)確比的概念,并分別利用返回比、準(zhǔn)確比評(píng)估Web數(shù)據(jù)庫(kù)選擇的召回率、準(zhǔn)確率。同時(shí)基于Web數(shù)據(jù)庫(kù)選擇的實(shí)驗(yàn)結(jié)果對(duì)這兩項(xiàng)指標(biāo)的有效性進(jìn)行了證明。
　　 最后,對(duì)兩種方法進(jìn)行了實(shí)驗(yàn)評(píng)估。實(shí)驗(yàn)結(jié)果表明,基于主題分布的Web數(shù)據(jù)庫(kù)選擇能夠在降低Web數(shù)據(jù)庫(kù)選擇代價(jià)的前提下,提高召回率;基于綜合查詢能力的’Web數(shù)據(jù)庫(kù)選