深層網(wǎng)中查詢?nèi)肟诘奶畛洳呗匝芯?pdf

1、目前搜索引擎索引的絕大部分是表層網(wǎng)的信息，限于一些技術(shù)原因，搜索引擎幾乎無法索引深層網(wǎng)中的信息。但是深層網(wǎng)具有容量大、質(zhì)量高和專業(yè)性強(qiáng)等諸多優(yōu)點(diǎn)，它的意義及重要性無法被人們忽略，于是找到一種能夠爬行深層網(wǎng)的方式是非常必要的，所以構(gòu)造一個深層網(wǎng)爬行器來獲取深層網(wǎng)中的數(shù)據(jù)是非常有意義的,而表單自動填充是深層網(wǎng)爬行器的重要組成部分。
　　 本文首先介紹了深層網(wǎng)的價值及難以搜索深層網(wǎng)的原因，分析對比了國內(nèi)外研究現(xiàn)狀，介紹了HTML 表單

2、、文檔對象模型(DOM)、抽取方法、本體知識和相似度計(jì)算方法，在此基礎(chǔ)上本文提出了一套填充深層網(wǎng)入口表單的策略。首先使用改進(jìn)的啟發(fā)式規(guī)則識別深層查詢?nèi)肟诒韱?，再通過本文提出的就近原則算法提取表單標(biāo)簽，在進(jìn)行最后的匹配填充之前對抽取到的標(biāo)簽進(jìn)行標(biāo)準(zhǔn)化，最后通過改進(jìn)的基于語義的相似度匹配算法對深層網(wǎng)表單標(biāo)簽和本體領(lǐng)域知識庫的屬性進(jìn)行匹配，這樣就可以模擬用戶填充深層網(wǎng)入口表單的過程了。
　　 結(jié)尾對整個算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。選取了圖書領(lǐng)