基于語義的Deep Web數(shù)據(jù)源分類研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，誕生了很多的Web數(shù)據(jù)庫，并形成一個巨大的信息資源庫，為人們提供了海量信息。按照 Web中所蘊含信息結(jié)構(gòu)“深度”的不同，可以將 Web分為Surface Web和Deep Web兩大類。Deep Web信息在數(shù)量和質(zhì)量上遠(yuǎn)遠(yuǎn)超過了Surface Web，并具有更高的應(yīng)用價值。由于Deep Web數(shù)據(jù)具有動態(tài)性、隱蔽性、異構(gòu)性、分布式等特點，這使得 Deep Web數(shù)據(jù)集成面臨巨大的挑戰(zhàn)。因此，如何快速有效的對

2、Deep Web數(shù)據(jù)源分類，以便于更有效的分析挖掘，具有重要的現(xiàn)實意義和廣闊的應(yīng)用前景。
　　本文針對 Deep Web數(shù)據(jù)集成中的數(shù)據(jù)源分類問題進行了深入的研究，提出了一種新穎的基于語義樹的分類模型，并設(shè)計基于密度的自適應(yīng) K-NN分類算法和加權(quán)樸素貝葉斯分類算法，有效提高了分類的準(zhǔn)確率。本文主要的研究工作如下：
　　1、查詢接口頁面特征抽取是 Deep Web數(shù)據(jù)源分類的前提。本文基于頁面-表單模型，有效地抽取了查詢接口

3、頁面的特征，最后使用了信息增益的特征選擇方法篩選領(lǐng)域的重要特征。
　　2、由于Deep Web數(shù)據(jù)源之間的異構(gòu)性，導(dǎo)致不同 Deep Web接口表單上的特征有很多同義詞和多義詞現(xiàn)象，缺乏統(tǒng)一的語義理解。本文建立了基于語義樹的Deep Web數(shù)據(jù)源分類模型。
　　3、針對傳統(tǒng) K-NN算法和樸素貝葉斯算法的不足，本文提出了基于密度的自適應(yīng) K-NN分類算法和加權(quán)樸素貝葉斯分類算法。
　　4、本文最后在UIUC Web數(shù)據(jù)