Hidden Web搜索技術的研究.pdf

1、Hidden Web中包含了大量結構好、質(zhì)量高的信息，而且隨著信息化建設的加強，這些信息的數(shù)量一直在快速增加。雖然Hidden Web的信息量變得越來越大，但是現(xiàn)有搜索引擎對其的搜索能力卻非常有限，導致了許多優(yōu)質(zhì)信息無法被廣泛獲取，造成了大量的信息資源浪費。 分析了Hidden Web的成因和已有的一些搜索方法，發(fā)現(xiàn)這些方法多是從Hidden Web數(shù)據(jù)庫的分類以及查詢接口的集成方面進行研究，在Hidden Web普適性搜索上存

2、在不足。為了找到Hidden Web搜索的普適性方法，主要從解決搜索引擎對Hidden Web搜索的局限性出發(fā)，對Hidden Web搜索技術進行了以下兩方面的研究： (1)Hidden Web查詢接口的自動識別。摒棄了傳統(tǒng)的采用樣本集訓練的識別方法，采用關鍵詞模糊提交，并對返回結果分析處理的方法。識別精度不受訓練集的影響，識別效率大大提高。 (2)Hidden Web查詢關鍵詞的產(chǎn)生算法。采用樣本估計的方法產(chǎn)生候選關鍵