面向電子商務(wù)的深層網(wǎng)入口挖掘研究.pdf

1、電子商務(wù)在近二十年的蓬勃發(fā)展取得了世人矚目的業(yè)績，并以一種前所未有的方式改變著傳統(tǒng)的商務(wù)活動的模式和格局，更深刻地影響著人們對商務(wù)的認識和理解，改變著人們的生活和工作方式。隨著網(wǎng)絡(luò)規(guī)模在全球的迅猛發(fā)展，InteRNet上的Web站點及網(wǎng)頁數(shù)量在以爆炸性的趨勢增長同時隨著網(wǎng)絡(luò)技術(shù)的不斷進步，越來越多的Web數(shù)據(jù)庫需要通過網(wǎng)絡(luò)查詢?nèi)肟诓拍苓M行訪問，學(xué)術(shù)界稱其為深層網(wǎng)(Deep Web)。經(jīng)相關(guān)研究機構(gòu)和商業(yè)機構(gòu)的調(diào)查，萬維網(wǎng)中深層網(wǎng)的數(shù)據(jù)存

2、儲數(shù)量非常巨大，其中電子商務(wù)數(shù)據(jù)占了很大的比重。這些電子商務(wù)數(shù)據(jù)具有很高的商用價值。然而由于這些電子商務(wù)網(wǎng)站網(wǎng)頁形式與內(nèi)容開發(fā)的獨立性，造成了Web數(shù)據(jù)庫，特別是查詢?nèi)肟诘漠悩?gòu)性。正因為此原因，自動的從電子商務(wù)網(wǎng)站中獲取有價值的信息和數(shù)據(jù)變成了一件十分具有挑戰(zhàn)性的任務(wù)。
　　 本文針對深層網(wǎng)挖掘中目前還沒有很好解決的如何讓機器從語義上理解深層網(wǎng)中的入口信息問題，充分分析了深層網(wǎng)中電子商務(wù)入口中文本標(biāo)簽和查詢元素之間的關(guān)系以及查詢

3、元素之間的關(guān)系。除此之外，從深層網(wǎng)入口的位置特征、布局特征和顯示特征三個方面分析了深層網(wǎng)入口的視覺特征。通過大量電子商務(wù)網(wǎng)站深層網(wǎng)入口的觀察的基礎(chǔ)上得到了一些置信度很高的啟發(fā)式規(guī)則，從而提出了基于深層網(wǎng)入口的可視化特征和本體工具WordNet分析深層網(wǎng)入口元素的語義關(guān)系來更好的挖掘出人們易于理解的深層網(wǎng)入口語義層次結(jié)構(gòu)的方法。該方法首先需要對深層網(wǎng)入口頁面數(shù)據(jù)進行預(yù)處理。然后，利用基于可視化特征的頁面分割算法構(gòu)建可視化模塊樹并利用可視化

4、對樹中的文本信息進行聚類及標(biāo)簽信息的識別。最后充分利用深層網(wǎng)入口中的標(biāo)簽信息間的語義關(guān)系構(gòu)建出合理的標(biāo)簽樹并通過查詢元素與標(biāo)簽之間的視覺特征關(guān)系對標(biāo)簽樹和查詢元素進行匹配，從而提高了挖掘語義信息的準(zhǔn)確度，進而提高了深層網(wǎng)信息的獲取效率和覆蓋率。此外本研究利用UIUC網(wǎng)站提供的研究數(shù)據(jù)對提出的方法進行了準(zhǔn)確度的實驗，實驗表明，相對于以往的深層網(wǎng)入口挖掘方法，本文提出的方法在準(zhǔn)確性方面具有更好的表現(xiàn)。最后對本研究進行了總結(jié)，并提出了未來繼續(xù)