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

1、科技文獻檢索是科研工作者不可或缺的一項重要工作。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、滿意的文獻信息，需要將同一查詢重復(fù)提交到多個Deep Web文獻檢索站點，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)來解決當(dāng)前文獻異構(gòu)檢索中存在的問題。
　　基于貴州省科技計劃項目《科技文獻異構(gòu)數(shù)據(jù)庫共享檢索平臺》(簡稱SIUS)的關(guān)鍵技術(shù)研發(fā)，我們對文獻異構(gòu)檢索中的Deep Web集

2、成技術(shù)展開了研究，取得了可喜的成果，本文對研究方法和結(jié)果做一個總結(jié)和闡述。我們在研究中提出一種Deep Web數(shù)據(jù)集成機制，它結(jié)合了虛擬視圖法和公共數(shù)據(jù)倉庫法的優(yōu)點，能夠滿足檢索中對實時性和高效性的要求。在此基礎(chǔ)上，提出了兩個算法，一個是基于DOM樹匹配的Deep Web自動抽取算法，它利用Deep Web頁面中數(shù)據(jù)區(qū)域的特點，識別出數(shù)據(jù)區(qū)域，進而產(chǎn)生抽取規(guī)則；另一個主要算法是基于Lucene的改進排序算法，該算法在Lucene排序算法