Deep Web集成查詢系統(tǒng)預處理關鍵技術研究.pdf_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、隨著信息化技術的發(fā)展,人們越來越傾向于從網(wǎng)絡上獲取資源。傳統(tǒng)搜索引擎能夠檢索到的網(wǎng)絡資源稱為SurfaceWeb,而SurfaceWeb僅占整個Web資源的很少一部分。那些隱藏在Web數(shù)據(jù)庫中,靠提交查詢生成動態(tài)頁面獲取的資源稱為DeepWeb。DeepWeb信息含量大,領域相關度強,如何高效的獲取這些資源成為當前研究的關鍵問題。
   DeepWeb集成查詢系統(tǒng)是由同領域的DeepWeb入口集成的一個全局查詢接口,通過對這個集

2、成接口提交查詢,可以同時檢索到不同Web數(shù)據(jù)庫中的資源。預處理階段是系統(tǒng)集成過程中的初始階段,它主要分三步進行:Web入口的發(fā)現(xiàn)、查詢接口模式抽取、查詢接口集成,其最終結果的好壞對后面查詢處理和結果處理有著重要影響。因此上述預處理階段各個步驟采用哪種技術能夠獲得更高的效率是本文研究的出發(fā)點。本文的主要研究工作如下:
   (1)分析了DeepWeb查詢表單的特征,針對現(xiàn)階段Web入口發(fā)現(xiàn)技術的優(yōu)缺點,提出將多分類器聚焦爬行技術應

3、用到Web入口發(fā)現(xiàn)上,重點給出各分類器的實現(xiàn)方法,并介紹了種子URL的選取策略;根據(jù)查詢表單分類過程的啟發(fā)式規(guī)則提出采用基于決策樹的表單分類方法,區(qū)分出那些非Web入口的查詢表單。
   (2)研究Web入口的模式特征,針對HTML頁面的結構性特征提出基于DOM樹和DWI對象模型的模式抽取方法,首先通過網(wǎng)頁解析器將接口頁面解析成DOM樹結構,然后遍歷DOM樹找出屬性元素及其對應的標簽,最后用DWI對象模型將查詢接口的模式信息表示

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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