面向Deep Web響應(yīng)頁面的模式識別的研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展，Web上的信息量呈爆炸性增長。按照所蘊含信息深度的不同，可以將Web劃分為Surface Web和Deep Web兩大類。其中，Deep Web是指那些存儲在Web數(shù)據(jù)庫里、不能通過超鏈接訪問而需要采用動態(tài)網(wǎng)頁技術(shù)訪問的資源集合。一些統(tǒng)計數(shù)據(jù)表明：Deep Web蘊含的信息量、對Deep Web的訪問量、增長速度等都遠(yuǎn)遠(yuǎn)高于Surface Web。因此，隨著Web數(shù)據(jù)庫的不斷增長，通過對Deep Web的訪問逐漸

2、成為獲取信息的主要手段，能夠自動地獲取蘊含在Deep Web中豐富的數(shù)據(jù)資源并對其進(jìn)行大規(guī)模集成顯得尤為重要。
　　 當(dāng)今查詢Web信息的主要手段是借助搜索引擎，而傳統(tǒng)搜索引擎只能爬取到Surface Web信息，對于大量由Deep Web產(chǎn)生的動態(tài)數(shù)據(jù)不是索引的數(shù)據(jù)不全就是過時。因而搜索引擎對Deep Web的支持越來越成為廣大用戶的需求。而由于Deep Web的自身特點，又使實現(xiàn)這一需求在技術(shù)上存在很大的難度。
　　

3、 本文從實際出發(fā)，分析了Deep Web查詢接口及其響應(yīng)頁面的特點，基于Deep Web自身的特點提出了一種基于Deep Web搜索引擎架構(gòu)，描述了其架構(gòu)設(shè)計，并且詳細(xì)敘述了在預(yù)處理子系統(tǒng)中提出的兩種用于抽取相應(yīng)模式的算法，即基于詢問式和基于輸入接口式的輸入模式抽取算法。
　　 實驗表明，我們提出的兩種方法在不同的情況下有很好的識別率，結(jié)合這兩種算法可以很好的解決Deep Web輸入接口的識別問題。為建立基于Deep Web的搜