Deep web中基于領(lǐng)域知識(shí)的接口集成.pdf

1、隨著WWW技術(shù)的高速發(fā)展，基于網(wǎng)絡(luò)數(shù)據(jù)庫(kù)(Web DataBase，WDB)Web的應(yīng)用程序數(shù)量呈指數(shù)級(jí)增加，隨著這些應(yīng)用程序的增加，互聯(lián)網(wǎng)信息來源發(fā)生了巨大的改變。這改變對(duì)傳統(tǒng)的基于搜索引擎的查詢和獲取信息的方式帶來了巨大的挑戰(zhàn)。由于這些基于Web的數(shù)據(jù)庫(kù)，僅能通過HTML查詢表單提交數(shù)據(jù)獲得，并動(dòng)態(tài)生成查詢結(jié)果。這些信息不能為傳統(tǒng)搜索引擎所獲得，因此研究如何利用這部分即將成為Web信息最大來源的深度網(wǎng)(Deep web)的數(shù)據(jù)，是十

2、分有必要的。
　　 從1994年Dr.Jill Ellsworth提出了深度網(wǎng)的概念，國(guó)外就開始對(duì)深度網(wǎng)進(jìn)行了大量的研究工作。并提出了深度網(wǎng)信息集成框架，該框架共分三大部分：深度網(wǎng)接口集成，主要完成對(duì)深網(wǎng)接口的發(fā)現(xiàn)，分類以及模式抽?。徊樵兲幚?，主要完成對(duì)客戶查詢請(qǐng)求的映射；結(jié)果處理模塊，主要完成查詢結(jié)果的抽取，變換與合并數(shù)據(jù)的任務(wù)。研究深度網(wǎng)的最終目的是為獲取隱藏于Web應(yīng)用之后的網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中的數(shù)據(jù)。由于WDB僅僅只提供了基于H

3、TML表單的查詢接口，以及基于HTML的查詢結(jié)果返回，并且HTML語(yǔ)法彈性過大，寫法靈活，不包含任何WDB語(yǔ)義信息，所以通過HTML的分析來對(duì)WDB查詢接口進(jìn)行抽取、判定、分類、結(jié)果抽取等工作具有相當(dāng)?shù)睦щy。
　　 深度網(wǎng)信息集成框架試圖建立起一個(gè)全自動(dòng)的系統(tǒng)，可以自動(dòng)的完成該框架中的每一部分功能。但對(duì)于數(shù)量巨大的WDB來說，很難找出統(tǒng)一的處理方式。多數(shù)的研究?jī)A向于部分工作由人工參與，或是在小范圍內(nèi)進(jìn)行數(shù)據(jù)集成工作。有鑒于此，本