Deep web中基于領域知識的接口集成.pdf

1、隨著WWW技術的高速發(fā)展，基于網(wǎng)絡數(shù)據(jù)庫(Web DataBase，WDB)Web的應用程序數(shù)量呈指數(shù)級增加，隨著這些應用程序的增加，互聯(lián)網(wǎng)信息來源發(fā)生了巨大的改變。這改變對傳統(tǒng)的基于搜索引擎的查詢和獲取信息的方式帶來了巨大的挑戰(zhàn)。由于這些基于Web的數(shù)據(jù)庫，僅能通過HTML查詢表單提交數(shù)據(jù)獲得，并動態(tài)生成查詢結果。這些信息不能為傳統(tǒng)搜索引擎所獲得，因此研究如何利用這部分即將成為Web信息最大來源的深度網(wǎng)(Deep web)的數(shù)據(jù)，是十

2、分有必要的。
　　 從1994年Dr.Jill Ellsworth提出了深度網(wǎng)的概念，國外就開始對深度網(wǎng)進行了大量的研究工作。并提出了深度網(wǎng)信息集成框架，該框架共分三大部分：深度網(wǎng)接口集成，主要完成對深網(wǎng)接口的發(fā)現(xiàn)，分類以及模式抽?。徊樵兲幚?，主要完成對客戶查詢請求的映射；結果處理模塊，主要完成查詢結果的抽取，變換與合并數(shù)據(jù)的任務。研究深度網(wǎng)的最終目的是為獲取隱藏于Web應用之后的網(wǎng)絡數(shù)據(jù)庫中的數(shù)據(jù)。由于WDB僅僅只提供了基于H

3、TML表單的查詢接口，以及基于HTML的查詢結果返回，并且HTML語法彈性過大，寫法靈活，不包含任何WDB語義信息，所以通過HTML的分析來對WDB查詢接口進行抽取、判定、分類、結果抽取等工作具有相當?shù)睦щy。
　　 深度網(wǎng)信息集成框架試圖建立起一個全自動的系統(tǒng)，可以自動的完成該框架中的每一部分功能。但對于數(shù)量巨大的WDB來說，很難找出統(tǒng)一的處理方式。多數(shù)的研究傾向于部分工作由人工參與，或是在小范圍內(nèi)進行數(shù)據(jù)集成工作。有鑒于此，本