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、查詢接口定位與模式抽取作為查詢接口集成的重要組成部分,是實(shí)現(xiàn)自動化查詢Web數(shù)據(jù)庫的有效途徑;對于大規(guī)模、實(shí)時(shí)性、多元化Deep Web信息檢索,有著重要的理論和現(xiàn)實(shí)意義。
本文在深入分析查詢接口基本類型和特征的基礎(chǔ)上,針對現(xiàn)有查詢接口定位方法依賴表單標(biāo)簽發(fā)現(xiàn)而無法定位非Form型接口的問題,提出了兩種接口定位算法。針對現(xiàn)有模式抽取方法利用文本語義相似性抽取模式準(zhǔn)確率較低的問題,提出了一種利用查詢接口結(jié)構(gòu)特征和頁面位置特征抽取
2、接口模式的方法。設(shè)計(jì)并實(shí)現(xiàn)了Web查詢接口自動識別與模式抽取系統(tǒng),主要創(chuàng)新點(diǎn)和工作如下:
(1)針對現(xiàn)有查詢接口定位方法無法定位非Form型接口和誤判較多的不足,通過研究查詢接口的DOM樹結(jié)構(gòu)特征,提出了頻繁公共樹路徑接口定位算法。根據(jù)相同查詢接口控件包含一個公共起始節(jié)點(diǎn)的特征,利用控件之間的公共樹路徑和區(qū)域相關(guān)度定位接口,并結(jié)合C4.5分類器進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明,該算法識別票務(wù)查詢接口的平均查準(zhǔn)率達(dá)到了93.39%,比其它
3、三種現(xiàn)有定位算法分別提高了48.21%、58.45%和31.58%,但當(dāng)頁面中含有多個查詢接口時(shí),該算法容易產(chǎn)生局部接口塊。
(2)針對頻繁公共樹路徑接口定位算法產(chǎn)生冗余接口塊造成誤判的問題,通過研究接口節(jié)點(diǎn)蘊(yùn)含的空間特征,提出了空間層次聚類接口定位算法。根據(jù)相同查詢接口節(jié)點(diǎn)在DOM樹位置較近、樹路徑相似度高的特點(diǎn),利用改進(jìn)的歐氏距離對定位結(jié)果調(diào)優(yōu),并結(jié)合C4.5分類器進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明,該方法識別票務(wù)查詢接口的平均查全率
4、、平均查準(zhǔn)率達(dá)到了96.07%、95.71%,比頻繁公共樹路徑接口定位算法提高了1.77%、2.32%,且能區(qū)別多個查詢接口。
(3)針對現(xiàn)有查詢接口模式表達(dá)模型無法反映元素約束關(guān)系的缺陷,通過分析票務(wù)領(lǐng)域查詢接口模式的特點(diǎn),提出了一種改進(jìn)的票務(wù)查詢接口模式表達(dá)模型。針對現(xiàn)有模式抽取方法利用文本相似性抽取屬性準(zhǔn)確率較低的問題,根據(jù)相同屬性包含的元素在Web頁面上和DOM樹中位置較近,且遵循潛在組合規(guī)律的特點(diǎn),通過構(gòu)建頁面空間,
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查詢接口識別與抽取技術(shù)研究.pdf
- Deep Web查詢接口及查詢結(jié)果抽取研究.pdf
- Deep Web查詢接口模式匹配技術(shù)的研究與應(yīng)用.pdf
- Deep Web集成查詢接口生成技術(shù)研究.pdf
- Deep Web查詢接口發(fā)現(xiàn)與特征提取技術(shù)研究.pdf
- 基于本體的Deep Web數(shù)據(jù)源分類和查詢接口模式抽取.pdf
- Deep Web查詢接口模式匹配與結(jié)果標(biāo)注方法研究.pdf
- 基于領(lǐng)域模型的Deep Web查詢接口模式提取技術(shù).pdf
- Web數(shù)據(jù)抽取技術(shù)研究.pdf
- Web信息抽取框架技術(shù)研究.pdf
- Deep Web信息抽取技術(shù)研究.pdf
- WEB數(shù)據(jù)管理與查詢技術(shù)研究.pdf
- Web信息抽取技術(shù)研究與基于Web service的實(shí)現(xiàn).pdf
- 基于Web的信息抽取技術(shù)研究.pdf
- 基于查詢接口的Deep Web模式匹配方法研究.pdf
- 基于web的網(wǎng)頁鏈接與正文抽取技術(shù)研究.pdf
- 查詢接口整體模式匹配技術(shù)的研究.pdf
- 基于規(guī)則的Deep Web接口發(fā)現(xiàn)與抽取研究.pdf
- Deep Web數(shù)據(jù)抽取及集成技術(shù)研究.pdf
- 基于XML的Web查詢技術(shù)研究.pdf
評論
0/150
提交評論