Deep Web查詢接口識別與抽取技術(shù)研究.pdf_第1頁
已閱讀1頁，還剩61頁未讀， 繼續(xù)免費閱讀

下載本文檔

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)，請進行舉報或認領(lǐng)

文檔簡介

1、訪問Web數(shù)據(jù)庫逐漸成為人們獲取信息的主要手段，因此如何以自動的方式完成對Web數(shù)據(jù)庫中信息的有效利用成為研究的熱點。查詢接口是Deep Web數(shù)據(jù)庫的唯一訪問入口，通過向Deep Web查詢接口提交查詢是獲得其中信息的主要途徑。因此對查詢接口識別與抽取技術(shù)的研究在整個Deep Web數(shù)據(jù)集成系統(tǒng)中占有重要的地位。
　　查詢接口識別是從眾多網(wǎng)頁表單中識別出查詢接口。動態(tài)網(wǎng)頁技術(shù)的發(fā)展，特別是JavaScript的出現(xiàn)，對表單的表現(xiàn)

2、形式和提交方式產(chǎn)生了很大影響。本文借助Rhino引擎，實現(xiàn)了JavaScript函數(shù)解析。并基于前人的研究成果，設(shè)計實現(xiàn)了一種基于最大熵模型的查詢接口識別方法。實驗表明，該查詢接口識別方法的準確率高達95％。
　　查詢接口抽取的難點在于控件與表示其語義信息的提示文本的匹配。本文首先將查詢接口按照結(jié)構(gòu)的不同分成了四種類別，然后針對不同結(jié)構(gòu)查詢接口的特點，給出了屬性匹配的方法，最后基于DOM實現(xiàn)了查詢接口的屬性抽取和匹配。在此方法的基

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論