版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、Deep Web又稱為看不見的網(wǎng)頁,是指通用搜索引擎由于技術(shù)因?yàn)闊o法索引到的那部分信息,Deep Web包含的信息是Surface Web的400~500倍,相比于表層網(wǎng)其信息更有價(jià)值。這些信息以自主的、獨(dú)立的形式分布在整個網(wǎng)絡(luò)中,而且Deep Web數(shù)據(jù)源是動態(tài)的、不斷變化的,并非所有的網(wǎng)頁表單都是DeepWeb查詢接口,這給Deep Web信息的獲取帶來了困難。使用者可以通過目錄指南、專業(yè)搜索引擎、Deep Web數(shù)據(jù)庫等方式來獲取
2、Deep Web信息。為了有效的提供這些信息,必須對Deep Web進(jìn)行數(shù)據(jù)集成。
本文針對Deep Web數(shù)據(jù)集成中的數(shù)據(jù)源發(fā)現(xiàn)和接口分類這兩個重點(diǎn)問題進(jìn)行了較為深入的研究,主要的研究工作和成果如下:⑴對Deep Web進(jìn)行了研究,包括Deep Web的定義、數(shù)據(jù)特性、規(guī)模、存在類型、獲取途徑以及Deep Web數(shù)據(jù)集成中的關(guān)鍵問題。⑵Deep Web查詢接口的判定。在網(wǎng)頁表單特征提取的基礎(chǔ)上加入了啟發(fā)式判定規(guī)則。運(yùn)用了
3、分類器集成思想,采用Adaboost算法將多個樸素貝葉斯分類器進(jìn)行累加形成一個強(qiáng)分類器,減弱樸素貝葉斯分類算法中屬性獨(dú)立性假設(shè)的要求,利用多個分類器之間的差異來改善分類器的整體性能。實(shí)驗(yàn)結(jié)果顯示,在查全率和查準(zhǔn)率上都達(dá)到了90%,取得了較好的判定效果。⑶Deep Web數(shù)據(jù)源分類。采用ID3算法和C4.5算法相結(jié)合的方式,較好的處理了歸納偏置問題和分裂子集樣本數(shù)目接近樣本總數(shù)引起的增益比率過大問題。實(shí)驗(yàn)結(jié)果顯示,在多個領(lǐng)域的分類準(zhǔn)確性都
4、有所提高。本文解決方案比較適用于存在共有屬性的領(lǐng)域,在這類領(lǐng)域的分類效果比較好。
本文提出了基于特征與啟發(fā)式規(guī)則相結(jié)合的Deep Web查詢接口判定方法,采用Adaboost-Naive Bayes分類器對查詢接口進(jìn)行判定。在此基礎(chǔ)上采用ID3和C4.5相結(jié)合的分類算法對Deep Web數(shù)據(jù)源分類。實(shí)驗(yàn)表明,在查全率和準(zhǔn)確率上都得到了提高。但是,還有很多有意義的問題值得進(jìn)一步研究,例如:中英文網(wǎng)頁之間的差別;進(jìn)一步擴(kuò)展Ad
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)和分類研究.pdf
- Deep Web數(shù)據(jù)源的發(fā)現(xiàn)和分類.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與分類技術(shù)研究.pdf
- Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)與采樣研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)和選擇研究.pdf
- Deep Web數(shù)據(jù)源的發(fā)現(xiàn)與聚類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)相關(guān)技術(shù)研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)及選擇方法研究.pdf
- 基于語義的Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)及Deep Web垂直搜索引擎設(shè)計(jì).pdf
- Deep web數(shù)據(jù)源的自動識別與分類研究.pdf
- 基于本體的Deep Web數(shù)據(jù)源的分類研究.pdf
- Deep Web數(shù)據(jù)源發(fā)現(xiàn)和語義標(biāo)注技術(shù)研究.pdf
- 基于知識模型推理的Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)源分類及用戶滿意度評估研究.pdf
- 使用多分類器進(jìn)行Deep Web數(shù)據(jù)源的分類和判定.pdf
- 基于頻繁模式和語義處理的Deep Web數(shù)據(jù)源分類研究.pdf
- Deep Web數(shù)據(jù)庫的發(fā)現(xiàn)與分類研究.pdf
- 基于采樣的Deep Web數(shù)據(jù)源選擇方法研究.pdf
評論
0/150
提交評論