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(rèn)領(lǐng)
文檔簡介
1、互聯(lián)網(wǎng)上的資源可以劃分為Surface Web和Deep Web兩部分。其中,Surface Web指能夠被傳統(tǒng)搜索引擎檢索到的那部分資源,Deep Web指傳統(tǒng)搜索引擎檢索不到的那部分資源,通常指Web數(shù)據(jù)庫包含的信息。
調(diào)查表明,Deep Web蘊含的信息量是Surface Web的400至500倍。然而,由于Web數(shù)據(jù)庫覆蓋各個領(lǐng)域,并且分布在世界的各個角落,因此必須對其進行集成后才能有效地加以利用。因為Deep W
2、eb集成的是同一領(lǐng)域的Web數(shù)據(jù)庫,所以在集成前需要發(fā)現(xiàn)Web數(shù)據(jù)庫并將其按照所屬領(lǐng)域分類。
查詢接口是Web數(shù)據(jù)庫的唯一入口,因此可以通過查詢接口來發(fā)現(xiàn)Web數(shù)據(jù)庫。查詢接口位于網(wǎng)頁的表單之中,但并非所有的表單都是查詢接口,因此需要從表單中識別出查詢接口。基于前人的研究成果和對大量表單的觀察,本文提出了7條啟發(fā)式規(guī)則用以識別查詢接口。實驗結(jié)果表明,查詢接口識別的F-measure值能達(dá)到0.98以上。
De
3、ep Web集成需要建立集成查詢接口到各本地查詢接口的映射關(guān)系。在集成前,需要從查詢接口中抽取其模式信息。對于抽取過程中存在的6大難點,文中給出了相應(yīng)的解決方法。實驗結(jié)果表明,文中給出的方法抽取查詢接口模式信息的準(zhǔn)確度可達(dá)94%以上。
同一領(lǐng)域的Web數(shù)據(jù)庫所在網(wǎng)頁的標(biāo)題和關(guān)鍵詞通常會共享一定的關(guān)鍵詞?;谶@個思想,本文提出了基于頻繁項集的Web數(shù)據(jù)庫聚類算法。該算法將共享一定關(guān)鍵詞的網(wǎng)頁所包含的Web數(shù)據(jù)庫聚為一類,聚類
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(fù)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(zhǔn)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。
最新文檔
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與采樣研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與分類研究.pdf
- Deep Web數(shù)據(jù)源聚類與查詢轉(zhuǎn)換的研究.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
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與分類技術(shù)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
- Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)及Deep Web垂直搜索引擎設(shè)計.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)和語義標(biāo)注技術(shù)研究.pdf
- 基于語義的Deep Web數(shù)據(jù)源分類研究.pdf
- 基于本體的Deep Web數(shù)據(jù)源的分類研究.pdf
- Deep web數(shù)據(jù)源的自動識別與分類研究.pdf
- 基于采樣的Deep Web數(shù)據(jù)源選擇方法研究.pdf
- 基于知識模型推理的Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源下重復(fù)記錄識別模型的研究.pdf
- 面向依賴型數(shù)據(jù)源的Deep Web數(shù)據(jù)融合技術(shù)研究.pdf
- Deep Web數(shù)據(jù)源質(zhì)量估計模型及應(yīng)用研究.pdf
評論
0/150
提交評論