DeepWeb查詢接口模式匹配與查詢結果語義標注研究.pdf

1、整個Web的規(guī)模和資源正在不斷擴大、深化，其中Web數據庫資源難以通過傳統(tǒng)搜索引擎索引到，所以被稱之為“DeepWeb”，其蘊含的信息量更大、質量更高、結構化程度更高、主題更專一。因此，對DeepWeb資源進行大規(guī)模的信息集成具有重要的現實意義。
　　DeepWeb查詢接口是獲取Web數據庫信息的重要途徑，同時DeepWeb查詢接口模式匹配問題貫穿于DeepWeb查詢處理過程的始終。因此，本文對同一領域的DeepWeb查詢接口模式

2、匹配進行了深入研究，主要研究成果如下：
　?、俦疚淖プ∧程囟I域屬性在各個數據源中的共現模式，即具有組關系的屬性通常會一起出現，以及具有匹配關系的屬性幾乎不會一起出現的特點，從整體著眼，同時匹配所有模式。相比于模式的兩兩匹配，這種整體性的匹配方法可以挖掘出隱藏較深的匹配知識；
　　②針對已有的相關性度量未能準確地反映屬性之間相關性強度的問題，為提高模式匹配的準確性和完整性，本文改進了組關系度量和匹配關系度量；
　?、劭?/p>

3、慮到匹配得分閾值因依賴于領域而較難確定的特點，為保證算法的靈活性，算法取消了該閾值的設置。
　?、茏詈螅捎靡环N貪心策略從找到的所有候選的復雜匹配集中，識別出具有更高匹配得分和更豐富語義的匹配關系，從而找到特定領域真正的多分支復雜匹配集。實驗表明，利用本文的模式匹配算法發(fā)現的特定領域的多分支復雜匹配具有更高的準確率和召回率。
　　當Web數據庫中的數據經查詢處理后，以HTML頁面的形式展現時，數據庫相關模式結構信息完全丟失，

4、而且目前的查詢結果僅供人工瀏覽。為了使獲得的數據具有更高的使用價值，這些數據必須是機器可理解和可處理的。DeepWeb語義標注作為DeepWeb數據集成中查詢處理模塊的一個重要分支，其主要工作是對從DeepWeb查詢結果頁面中抽取的數據添加相應的語義信息，使得計算機能夠理解并處理這些數據，進而方便數據集成系統(tǒng)中后續(xù)模塊的執(zhí)行。因此，本文對DeepWeb查詢結果的語義標注做了深入研究，主要研究成果如下：
　?、偻ㄟ^分析Web數據庫查

5、詢接口頁面和查詢結果頁面數據的特征，歸納總結出一些啟發(fā)式信息，即考慮一些領域知識和特定領域中某些屬性在位置上的鄰接關系，從而提出了基于啟發(fā)式信息的語義標注方法；
　　②逐條地將這些啟發(fā)式信息對待標注的數據進行分析，從而找出每個待標注數據單元的語義詞匯，并生成XML格式的標注文件。最后，將本文的方法對多個領域的DeepWeb數據進行語義標注實驗，實驗結果表明，本文提出的標注方法對于DeepWeb查詢結果數據具有較好的標注效果。