基于本體的Deep Web信息集成關(guān)鍵技術(shù)研究.pdf

1、隨著萬(wàn)維網(wǎng)（WWW）的飛速發(fā)展，Web尤其是Deep Web蘊(yùn)含了各種各樣的海量高價(jià)值信息，并且仍在以驚人的速度增長(zhǎng)。Deep Web上的信息具有異構(gòu)性、自治性和動(dòng)態(tài)性等特點(diǎn)，這些特點(diǎn)決定了傳統(tǒng)結(jié)構(gòu)化信息集成方法已不能滿足人們的需求。為了方便用戶快捷準(zhǔn)確的使用Deep Web中高價(jià)值信息，基于本體的Deep Web信息集成研究已成為一個(gè)非常迫切的問題，具有重要理論意義和廣闊應(yīng)用前景。 在對(duì)Deep Web信息集成的研究現(xiàn)狀和發(fā)展

2、趨勢(shì)進(jìn)行了深入的分析后。在課題組前期工作的基礎(chǔ)上，提出了一種基于本體的Deep Web信息集成方案。該方案包括面向Deep Web不確定知識(shí)表示的動(dòng)態(tài)模糊描述邏輯方法、基于最大熵和本體的數(shù)據(jù)源發(fā)現(xiàn)技術(shù)、基于質(zhì)量估計(jì)模型的數(shù)據(jù)源選擇方法、以及基于多數(shù)據(jù)源同步標(biāo)注的信息抽取和Deep Web語(yǔ)義集成中模糊性本體映射方法等內(nèi)容。本文的主要研究工作和取得的創(chuàng)新成果包括： （1）一個(gè)完整、準(zhǔn)確的本體是基于本體的Deep Web信息集成的必

3、要前提。本文根據(jù)Deep Web特征半自動(dòng)構(gòu)建了Deep Web領(lǐng)域本體，并針對(duì)Deep Web本體學(xué)習(xí)和本體映射過程中存在不確定性知識(shí)表示問題，提出了一種面向Deep Web不確定知識(shí)表示的動(dòng)態(tài)模糊描述邏輯方法（DFDLs），該方法彌補(bǔ)了傳統(tǒng)描述邏輯方法對(duì)不確定性知識(shí)表示的不足。 （2）針對(duì)Deep Web數(shù)據(jù)源的動(dòng)態(tài)性和稀疏分布的特征，提出了一種基于最大熵分類器和領(lǐng)域本體的Deep Web數(shù)據(jù)源發(fā)現(xiàn)方法，該方法首先通過最大熵

4、分類器進(jìn)行Deep Web查詢接口自動(dòng)判定，然后利用基于本體的Deep Web聚焦爬蟲發(fā)現(xiàn)Deep Web數(shù)據(jù)源，該方法使得聚焦爬蟲聚焦訪問那些可能鏈接到Deep Web入口頁(yè)面的鏈接，從而避免訪問下載不必要的頁(yè)面。 （3）通過服務(wù)質(zhì)量可以評(píng)價(jià)Deep Web數(shù)據(jù)源的優(yōu)劣，本文提出了一個(gè)基于領(lǐng)域本體的Deep Web數(shù)據(jù)源質(zhì)量估計(jì)模型，并將其應(yīng)用于Deep Web數(shù)據(jù)源選擇過程中。采用此模型能夠選取最符合用戶需求的數(shù)據(jù)源，達(dá)到查

5、詢代價(jià)更少，效率更高的要求。 （4）針對(duì)信息抽取過程中存在接口模式和結(jié)果模式缺失的問題，提出了一種多數(shù)據(jù)源間的同步標(biāo)注方法。從一組Deep Web接口模式和結(jié)果模式中高效地學(xué)習(xí)領(lǐng)域本體知識(shí)，通過對(duì)本體的實(shí)例查詢可實(shí)現(xiàn)多數(shù)據(jù)源間的同步標(biāo)注。并成功應(yīng)用此方法于Deep Web復(fù)雜結(jié)果頁(yè)面抽取過程中。 （5）針對(duì)基于本體的Deep Web信息集成過程中存在的不確定性模式匹配問題，將模式匹配問題轉(zhuǎn)化為本體映射問題，提出了一個(gè)模糊

6、性本體映射框架。在此框架中，運(yùn)用了多個(gè)本體映射策略，從不同方面多個(gè)角度對(duì)本體特征進(jìn)行描述，盡可能的發(fā)掘可能存在的映射關(guān)系，從模糊性角度表述映射過程。該方法為基于本體的Deep Web信息集成提供了一種有效和通用的自動(dòng)映射策略。 （6）Deep Web語(yǔ)義集成原型系統(tǒng)設(shè)計(jì)，本文根據(jù)所研究的關(guān)鍵技術(shù)和實(shí)際應(yīng)用需求，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)Deep Web語(yǔ)義集成原型系統(tǒng)，該原型系統(tǒng)具有數(shù)據(jù)源發(fā)現(xiàn)、數(shù)據(jù)源選擇、信息抽取和語(yǔ)義集成等功能。實(shí)際應(yīng)