

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、DeepWeb深度網(wǎng)絡(luò)資源,又稱作不可見網(wǎng)或隱藏網(wǎng)(譯為InvisibleWeborHiddenWeb),它常常被人稱為谷歌查不到的網(wǎng)絡(luò)信息,這些信息不屬于我們所熟知的那些標(biāo)準(zhǔn)搜索引擎所能夠搜索到的。通常認(rèn)為搜索引擎查不到的信息要占網(wǎng)絡(luò)全部信息的90%。據(jù)BrightPlanet公司技術(shù)白皮書的中描述,DeepWeb資源容量約為SurfaceWeb的500倍,而且包含著更多有價(jià)值的資源。超過一半的DeepWeb內(nèi)容都保存在專業(yè)領(lǐng)域的數(shù)據(jù)
2、庫中。海量的表面信息固然可以通過普通的搜索引擎查詢到,可是還有相當(dāng)大了的信息由于隱藏在深處無法被搜索引擎查到,而且DeepWeb數(shù)據(jù)源同時(shí)又是不斷變化的,絕大部分隱藏的信息必須通過動(dòng)態(tài)請(qǐng)求產(chǎn)生網(wǎng)頁信息,標(biāo)準(zhǔn)的搜索引擎是沒有辦法對(duì)它進(jìn)行查找的。因?yàn)檫@些動(dòng)態(tài)請(qǐng)求產(chǎn)生的網(wǎng)頁信息必須要通過DeepWeb查詢接口來獲取,使得DeepWeb信息獲取變的更加困難,為了有效的獲取DeepWeb信息,我們必須要對(duì)DeepWeb進(jìn)行數(shù)據(jù)自動(dòng)識(shí)別和分類。
3、r> 本文通過對(duì)DeepWeb數(shù)據(jù)源的自動(dòng)識(shí)別和分類研究這兩大重點(diǎn)問題展開深入研究。主要的研究?jī)?nèi)容包括:
(1)對(duì)普通網(wǎng)頁表單及DeepWeb網(wǎng)頁的表單特征進(jìn)行分析,經(jīng)過合并、添加、篩選得到的得到本文采用的表單特征提取方案,包含各控件值,控件數(shù)量,包含語義信息的詞條等一系列特征值作為分類屬性。
(2)DeepWeb數(shù)據(jù)集成的關(guān)鍵問題研究,查詢接口的識(shí)別及分類判定。針對(duì)樸素貝葉斯方法的限制,使用粗糙集算法
4、進(jìn)行優(yōu)化約簡(jiǎn)。該方法利用兩次隨機(jī)抽樣建立基于樸素貝葉斯算法的分類器組,利用粗糙集算法的屬性約簡(jiǎn)方法進(jìn)行分類器組的約簡(jiǎn)處理,然后利用優(yōu)化后的分類器組進(jìn)行分類,對(duì)得到的分類結(jié)果進(jìn)行加權(quán)平均,得到最終的分類結(jié)果。實(shí)驗(yàn)結(jié)果顯示,在優(yōu)化后的貝葉斯分類分類器組,對(duì)DeepWeb查詢接口及其分類的查準(zhǔn)率及查全率上均有明顯提高。
(3)DeepWeb數(shù)據(jù)源識(shí)別及分類性能對(duì)比。將數(shù)據(jù)挖掘中的幾種分類方法,如:C4.5決策樹、ID3等以及本文
5、算法進(jìn)行分析對(duì)比,在查全率和查準(zhǔn)率上效果驗(yàn)證了此方法可行。
本文所采取的方法是分析現(xiàn)有的相關(guān)研究,通過對(duì)DeepWeb數(shù)據(jù)源的學(xué)習(xí)和分析,并在目前已有的研究成果的之上,通過改進(jìn)的算法,加以實(shí)驗(yàn)數(shù)據(jù)來驗(yàn)證我們的算法的有效性。從實(shí)驗(yàn)的結(jié)果來看本文的方法還是比較滿意的。實(shí)驗(yàn)中難免存在不足之處,在今后的研究中我們將進(jìn)一步的對(duì)相關(guān)問題和算法進(jìn)行修正。DeepWeb的研究如今還有一段很長(zhǎng)的路要走,存在的難題需要廣大的研究者們逐個(gè)的去解
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與分類研究.pdf
- Deep Web數(shù)據(jù)源的發(fā)現(xiàn)和分類.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)和分類研究.pdf
- 基于語義的Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與分類技術(shù)研究.pdf
- 基于本體的Deep Web數(shù)據(jù)源的分類研究.pdf
- 基于知識(shí)模型推理的Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與采樣研究.pdf
- Deep Web數(shù)據(jù)源下重復(fù)記錄識(shí)別模型的研究.pdf
- 使用多分類器進(jìn)行Deep Web數(shù)據(jù)源的分類和判定.pdf
- Deep Web數(shù)據(jù)源的發(fā)現(xiàn)與聚類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)和選擇研究.pdf
- Deep Web數(shù)據(jù)源分類及用戶滿意度評(píng)估研究.pdf
- 基于頻繁模式和語義處理的Deep Web數(shù)據(jù)源分類研究.pdf
- 基于采樣的Deep Web數(shù)據(jù)源選擇方法研究.pdf
- Deep Web數(shù)據(jù)源聚類與查詢轉(zhuǎn)換的研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)相關(guān)技術(shù)研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)及選擇方法研究.pdf
- 基于本體的Deep Web數(shù)據(jù)源分類和查詢接口模式抽取.pdf
評(píng)論
0/150
提交評(píng)論