Deep Web集成查詢系統(tǒng)預(yù)處理關(guān)鍵技術(shù)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(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(rèn)領(lǐng)

文檔簡介

1、隨著信息化技術(shù)的發(fā)展,人們越來越傾向于從網(wǎng)絡(luò)上獲取資源。傳統(tǒng)搜索引擎能夠檢索到的網(wǎng)絡(luò)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(lǐng)域相關(guān)度強,如何高效的獲取這些資源成為當(dāng)前研究的關(guān)鍵問題。
   DeepWeb集成查詢系統(tǒng)是由同領(lǐng)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(yù)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(jié)果的好壞對后面查詢處理和結(jié)果處理有著重要影響。因此上述預(yù)處理階段各個步驟采用哪種技術(shù)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(shù)的優(yōu)缺點,提出將多分類器聚焦爬行技術(shù)應(yīng)

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(jié)構(gòu)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(jié)構(gòu),然后遍歷DOM樹找出屬性元素及其對應(yīng)的標(biāo)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(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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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