文獻(xiàn)異構(gòu)檢索中Deep Web數(shù)據(jù)集成研究.pdf

1、科技文獻(xiàn)檢索是科研工作者不可或缺的一項(xiàng)重要工作。隨著大量以Deep Web形式存在的數(shù)字資源不斷涌現(xiàn)，科研工作者要獲得全面、滿意的文獻(xiàn)信息，需要將同一查詢重復(fù)提交到多個(gè)Deep Web文獻(xiàn)檢索站點(diǎn)，導(dǎo)致查詢效率很低。因此，應(yīng)當(dāng)出現(xiàn)更加有效的Deep Web集成技術(shù)來(lái)解決當(dāng)前文獻(xiàn)異構(gòu)檢索中存在的問(wèn)題。
　　基于貴州省科技計(jì)劃項(xiàng)目《科技文獻(xiàn)異構(gòu)數(shù)據(jù)庫(kù)共享檢索平臺(tái)》(簡(jiǎn)稱SIUS)的關(guān)鍵技術(shù)研發(fā)，我們對(duì)文獻(xiàn)異構(gòu)檢索中的Deep Web集

2、成技術(shù)展開(kāi)了研究，取得了可喜的成果，本文對(duì)研究方法和結(jié)果做一個(gè)總結(jié)和闡述。我們?cè)谘芯恐刑岢鲆环NDeep Web數(shù)據(jù)集成機(jī)制，它結(jié)合了虛擬視圖法和公共數(shù)據(jù)倉(cāng)庫(kù)法的優(yōu)點(diǎn)，能夠滿足檢索中對(duì)實(shí)時(shí)性和高效性的要求。在此基礎(chǔ)上，提出了兩個(gè)算法，一個(gè)是基于DOM樹(shù)匹配的Deep Web自動(dòng)抽取算法，它利用Deep Web頁(yè)面中數(shù)據(jù)區(qū)域的特點(diǎn)，識(shí)別出數(shù)據(jù)區(qū)域，進(jìn)而產(chǎn)生抽取規(guī)則；另一個(gè)主要算法是基于Lucene的改進(jìn)排序算法，該算法在Lucene排序算法