Deep Web查詢轉換和數(shù)據(jù)抽取的研究.pdf

1、目前,Deep Web能檢索到傳統(tǒng)搜索引擎不能檢索的信息資源,其檢索的公共信息約是surface Web的600倍,是從后臺數(shù)據(jù)庫中檢索出來的結構化信息。因此,Deep Web吸引了國內外許多學者和研究機構的廣泛關注與研究。
　　 Deep Web數(shù)據(jù)集成的研究一般包括Web站點發(fā)現(xiàn)、模式匹配、接口集成、查詢轉換、數(shù)據(jù)抽取,其研究目的是為了給用戶提供一個統(tǒng)一的訪問途徑來自動獲取和利用分布在Internet的一些Deep Web信

2、息。其中查詢轉換的功能是將集成接口上的查詢轉換到相應的目標接口上,在此基礎上進行的數(shù)據(jù)抽取是利用目標查詢串在目標站點進行數(shù)據(jù)檢索,并從中集成有意義的數(shù)據(jù)。因此,本文深入研究的查詢轉換以及在此基礎上的數(shù)據(jù)抽取是Deep Web數(shù)據(jù)集成研究中的重要內容,具有重要的研究和應用價值。
　　 本文主要工作有:
　　 (1)主要探討了查詢轉換模塊,提出了兩種映射方案來解決查詢轉換映射機制,分別是同義屬性和成組屬性映射方案以及人工干預

3、映射方案,通過這兩種方案的合理的結合使用,正確的解決了如何從源查詢串到目標查詢串全面準確的映射,從而為全面準確的檢索數(shù)據(jù)提供了保證。
　　 (2)對Deep Web數(shù)據(jù)抽取策略進行了深入研究,使用了基于HttpClient工具的Deep Web頁面獲取方法,同時解決了在出現(xiàn)數(shù)據(jù)分頁的情況下獲取DeepWeb頁面的問題,從而較為全面準確的爬取到了深度網(wǎng)數(shù)據(jù)。
　　 (3)提出了基于樣式的定位系統(tǒng)處理被查詢頁面的方法。該方法