Deep Web數(shù)據(jù)源發(fā)現(xiàn)相關(guān)技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)飛速發(fā)展和所含信息規(guī)模的日益擴(kuò)大，當(dāng)前web中蘊(yùn)含了大量的各種各樣的數(shù)據(jù)，其中很大一部分是高質(zhì)量的結(jié)構(gòu)化信息。而這些信息大多被保存在web在線數(shù)據(jù)庫中，用戶只能通過查詢接口來獲取相關(guān)的信息，這類信息被稱為Deep Web信息。對這些結(jié)構(gòu)化信息進(jìn)行收集并集成，以提供高質(zhì)量的結(jié)構(gòu)化信息的檢索服務(wù)，用戶就能夠快速、準(zhǔn)確地找到所想要的信息。要對Deep Web信息進(jìn)行收集，首先必須解決的問題就是發(fā)現(xiàn)數(shù)據(jù)源。 本文對Deep We

2、b數(shù)據(jù)源發(fā)現(xiàn)所涉及到的相關(guān)技術(shù)進(jìn)行了分析研究，并提出了相關(guān)的算法和模型。主要研究工作包括： (1)研究了基于DeepWeb的查詢接口判定技術(shù)。Deep Web查詢接口是Deep Web信息訪問的入口，所以對數(shù)據(jù)源的發(fā)現(xiàn)其實(shí)也就是對查詢接口的發(fā)現(xiàn)。本文提出了一種基于表單特征圖的查詢接口判定算法。 (2)采用分布式爬蟲技術(shù)處理Deep Web數(shù)據(jù)源發(fā)現(xiàn)問題，提出了一個面向查詢接口判定的爬蟲框架及算法。 (3)通過實(shí)踐