Deep Web數(shù)據(jù)庫的選擇研究.pdf

1、隨著Internet相關(guān)技術(shù)的日益成熟,Web上積累了大量的在線數(shù)據(jù)庫,其中所蘊含的信息對于用戶來說是不可見的,稱之為Deep Web。建立Deep Web數(shù)據(jù)集成系統(tǒng)是當前從Deep Web中獲取信息的有效方式。為了提高信息檢索的效率和查詢的準確度,DeepWeb數(shù)據(jù)庫的選擇是建立Deep Web數(shù)據(jù)集成系統(tǒng)的一個必不可缺的環(huán)節(jié)。
　　 在Web數(shù)據(jù)庫選擇方面,本文主要是在設(shè)計代表性查詢以獲取Web數(shù)據(jù)庫特征和針對特定查詢對W

2、eb數(shù)據(jù)庫進行排序兩個方面做了重點研究。
　　 在獲取Web數(shù)據(jù)庫特征方面,文中根據(jù)領(lǐng)域知識構(gòu)建初始查詢詞集合。由于查詢詞集合的動態(tài)更新性,隨著用戶的提交逐步建立起具有代表性的頻繁查詢詞集合,并向各個本地Web數(shù)據(jù)庫提交頻繁查詢詞,通過分析Web數(shù)據(jù)庫返回結(jié)果中出現(xiàn)查詢詞的位置和包含關(guān)系獲取Web數(shù)據(jù)庫的特征。
　　 在Web數(shù)據(jù)庫排序方面,按照其特征對Web數(shù)據(jù)庫返回結(jié)果進行分類,以每類返回結(jié)果與查詢詞的相關(guān)度和每類返

3、回結(jié)果在全部Web數(shù)據(jù)庫相應(yīng)類別中所占的比例兩者作為參數(shù)計算出整個Web數(shù)據(jù)庫與查詢詞的相關(guān)度,按照相關(guān)度的大小對所有的Web數(shù)據(jù)庫進行排序。在已排序的基礎(chǔ)上,通過分析與查詢詞的完全相關(guān)結(jié)果增長率確定選擇出的Web數(shù)據(jù)庫個數(shù)閾值,從而獲得既高效又準確的部分Web數(shù)據(jù)庫。最后對于用戶提交的新查詢詞,本文將前一步選擇出的部分Web數(shù)據(jù)庫作為輸入,利用Apriori算法計算出最大頻繁項集,即將最被頻繁查詢的Web數(shù)據(jù)庫作為新查詢詞的默認Web