Deep Web數(shù)據(jù)集成系統(tǒng)中數(shù)據(jù)標(biāo)注研究.pdf

1、隨著人們對(duì)網(wǎng)絡(luò)環(huán)境下信息檢索研究的不斷深入，Deep Web數(shù)據(jù)集成系統(tǒng)的相關(guān)研究越來(lái)越多地受到了人們的關(guān)注。Deep Web是與Surface Web相對(duì)應(yīng)的概念，它是指那些不能被主流的搜索引擎搜索到、動(dòng)態(tài)地根據(jù)用戶提交的關(guān)鍵詞所生成的Web數(shù)據(jù)信息。數(shù)據(jù)標(biāo)注作為Deep Web數(shù)據(jù)集成系統(tǒng)中一個(gè)重要的組成部分，它的主要工作是對(duì)抽取的查詢返回結(jié)果數(shù)據(jù)進(jìn)行標(biāo)注，使其成為有語(yǔ)義信息的數(shù)據(jù)，使得計(jì)算機(jī)可識(shí)別、可處理。
　　 本文在分

2、析了Deep Web網(wǎng)站查詢結(jié)果頁(yè)面及其數(shù)據(jù)表現(xiàn)形式的基礎(chǔ)上，介紹了結(jié)果模式、標(biāo)注領(lǐng)域的對(duì)象模型并給出了它們的形式化表示，同時(shí)給出了數(shù)據(jù)標(biāo)注思想的描述。本文將Deep Web網(wǎng)站查詢返回結(jié)果內(nèi)容分為三種類型：（1）內(nèi)容中含有領(lǐng)域知識(shí)；（2）內(nèi)容中不含有領(lǐng)域知識(shí)；（3）部分內(nèi)容含有領(lǐng)域知識(shí)，其余內(nèi)容不含有領(lǐng)域知識(shí)的混合類型。針對(duì)這三種類型使用了兩種基本標(biāo)注方法：領(lǐng)域知識(shí)標(biāo)注方法和決策樹(shù)標(biāo)注方法，用它們單獨(dú)以及聯(lián)合標(biāo)注這三種類型。為了避免對(duì)