Web數(shù)據(jù)集成中包裝器自適應(yīng)方法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，Web上產(chǎn)生了大量與領(lǐng)域相關(guān)的信息，這些信息也成了人類獲取知識的重要來源。互聯(lián)網(wǎng)已經(jīng)成為一個巨大的信息交流平臺，大量的信息嵌入在Web頁面中。Web頁面是一種半結(jié)構(gòu)化的數(shù)據(jù)，Web數(shù)據(jù)抽取可以將這種半結(jié)構(gòu)化數(shù)據(jù)抽取并轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，從而為進(jìn)一步的知識獲取做準(zhǔn)備，這一過程通常采用一個稱之為包裝器的應(yīng)用程序來實(shí)現(xiàn)。包裝器的工作依賴于頁面的結(jié)構(gòu)信息，然而由于互聯(lián)網(wǎng)的動態(tài)特征，站點(diǎn)可能會經(jīng)常更新其展現(xiàn)形，導(dǎo)致了Web頁面

2、結(jié)構(gòu)發(fā)生變化，這一變化最終導(dǎo)致包裝器停止工作。
　　 包裝器自適應(yīng)針對這一問題開展相關(guān)的研究。包裝器的自適應(yīng)研究可以分為兩個子問題：包裝器校驗(yàn)和包裝器重歸納。第一個子問題是如何對包裝器返回數(shù)據(jù)進(jìn)行有效性校驗(yàn)，確保包裝器處于正常工作的狀態(tài)。當(dāng)站點(diǎn)結(jié)構(gòu)發(fā)生變動時，舊的包裝器可能無法繼續(xù)抽取到數(shù)據(jù)，或者抽取出來的數(shù)據(jù)是完全錯誤的，當(dāng)系統(tǒng)檢測出這一情況發(fā)生時，對設(shè)計者進(jìn)行提醒，或自動執(zhí)行包裝器修復(fù)過程進(jìn)行修復(fù)。包裝器重歸納系統(tǒng)對抽取規(guī)則