Deep Web查詢轉(zhuǎn)換和數(shù)據(jù)抽取的研究.pdf

1、目前,Deep Web能檢索到傳統(tǒng)搜索引擎不能檢索的信息資源,其檢索的公共信息約是surface Web的600倍,是從后臺(tái)數(shù)據(jù)庫中檢索出來的結(jié)構(gòu)化信息。因此,Deep Web吸引了國內(nèi)外許多學(xué)者和研究機(jī)構(gòu)的廣泛關(guān)注與研究。
　　 Deep Web數(shù)據(jù)集成的研究一般包括Web站點(diǎn)發(fā)現(xiàn)、模式匹配、接口集成、查詢轉(zhuǎn)換、數(shù)據(jù)抽取,其研究目的是為了給用戶提供一個(gè)統(tǒng)一的訪問途徑來自動(dòng)獲取和利用分布在Internet的一些Deep Web信

2、息。其中查詢轉(zhuǎn)換的功能是將集成接口上的查詢轉(zhuǎn)換到相應(yīng)的目標(biāo)接口上,在此基礎(chǔ)上進(jìn)行的數(shù)據(jù)抽取是利用目標(biāo)查詢串在目標(biāo)站點(diǎn)進(jìn)行數(shù)據(jù)檢索,并從中集成有意義的數(shù)據(jù)。因此,本文深入研究的查詢轉(zhuǎn)換以及在此基礎(chǔ)上的數(shù)據(jù)抽取是Deep Web數(shù)據(jù)集成研究中的重要內(nèi)容,具有重要的研究和應(yīng)用價(jià)值。
　　 本文主要工作有:
　　 (1)主要探討了查詢轉(zhuǎn)換模塊,提出了兩種映射方案來解決查詢轉(zhuǎn)換映射機(jī)制,分別是同義屬性和成組屬性映射方案以及人工干預(yù)

3、映射方案,通過這兩種方案的合理的結(jié)合使用,正確的解決了如何從源查詢串到目標(biāo)查詢串全面準(zhǔn)確的映射,從而為全面準(zhǔn)確的檢索數(shù)據(jù)提供了保證。
　　 (2)對(duì)Deep Web數(shù)據(jù)抽取策略進(jìn)行了深入研究,使用了基于HttpClient工具的Deep Web頁面獲取方法,同時(shí)解決了在出現(xiàn)數(shù)據(jù)分頁的情況下獲取DeepWeb頁面的問題,從而較為全面準(zhǔn)確的爬取到了深度網(wǎng)數(shù)據(jù)。
　　 (3)提出了基于樣式的定位系統(tǒng)處理被查詢頁面的方法。該方法