Deep Web數(shù)據(jù)源聚類與查詢轉(zhuǎn)換的研究.pdf

1、隨著互聯(lián)網(wǎng)的日益增長(zhǎng),Web已經(jīng)成為人們獲取信息的重要途徑。Web分為Surface Web和Deep Web兩大類。相對(duì)而言,Deep Web蘊(yùn)含了更為豐富的資源,而且價(jià)值更高。然而Web數(shù)據(jù)庫(kù)分布在各個(gè)領(lǐng)域,只能通過查詢接口進(jìn)行訪問,所以必須通過數(shù)據(jù)集成后才能更好的利用。
　　 將數(shù)據(jù)庫(kù)按照其所屬領(lǐng)域進(jìn)行劃分是Deep Web數(shù)據(jù)集成中一個(gè)十分重要的環(huán)節(jié)。由于相同領(lǐng)域的數(shù)據(jù)庫(kù)查詢接口所在頁面的標(biāo)題和關(guān)鍵字往往會(huì)共享一些詞匯,

2、而這些詞匯又在很大程度上反映了數(shù)據(jù)庫(kù)的領(lǐng)域。因此,本文提出了一種基于頻繁項(xiàng)集的聚類算法,對(duì)標(biāo)題和關(guān)鍵字等文本提示信息進(jìn)行聚類,從而實(shí)現(xiàn)對(duì)數(shù)據(jù)庫(kù)的劃分,可以使數(shù)據(jù)庫(kù)的信息更好的被利用。在新算法中,頻繁項(xiàng)集的個(gè)數(shù)決定了聚類的個(gè)數(shù),并且頻繁項(xiàng)集可以作為標(biāo)簽來描述聚類。實(shí)驗(yàn)驗(yàn)證,此方法的F-measure值可以達(dá)到0.92以上。
　　 另外,查詢轉(zhuǎn)換也是數(shù)據(jù)集成的一個(gè)重要組成部分,它主要負(fù)責(zé)將用戶提交的查詢?cè)诩刹樵兘涌诤蚖eb本地查詢