基于查詢能力的Deep Web數(shù)據(jù)庫選擇研究.pdf

1、為了有效利用Deep Web中豐富的信息,當(dāng)前的許多研究多集中于對Deep Web數(shù)據(jù)集成中子問題的研究。而在這些子問題中,Web數(shù)據(jù)庫選擇是影響Deep Web數(shù)據(jù)集成質(zhì)量的重要因素之一。對于Web數(shù)據(jù)選擇,一方面應(yīng)提高召回率和準(zhǔn)確率,另一方面,還應(yīng)降低代價。但已有的方法大多無法同時滿足這兩項(xiàng)要求。為解決這個問題,本文分別對后臺數(shù)據(jù)庫和查詢接口的特征進(jìn)行了研究,提出了可滿足以上要求的兩種Web數(shù)據(jù)庫選擇方法。一種為基于主題分布的Web

2、數(shù)據(jù)庫選擇方法,另一種為基于綜合查詢能力的Web數(shù)據(jù)庫選擇方法。本文的主要研究內(nèi)容如下:
　　 (1)在基于主題分布的Web數(shù)據(jù)庫選擇方法中,首先對Web數(shù)據(jù)庫的后臺數(shù)據(jù)庫內(nèi)容的主題層次特征進(jìn)行了研究,并利用目錄集成技術(shù)實(shí)現(xiàn)對Web數(shù)據(jù)庫主題層次的集成。其次為獲取Web數(shù)據(jù)庫主題分布,研究了使用查詢探測獲取Web數(shù)據(jù)庫主題分布的方法。再次對查詢主題進(jìn)行了研究,并提出了獲取查詢主題的一般方法。最后利用查詢主題下主題分布實(shí)現(xiàn)了Web

3、數(shù)據(jù)庫的選擇。
　　 (2)在基于綜合查詢能力的Web數(shù)據(jù)庫選擇方法中,首先對Web數(shù)據(jù)庫的查詢接口模式的建模方法進(jìn)行了研究,即在已有的查詢接口模式模型的基礎(chǔ)上,建立了可反映查詢接口查詢能力特征的三層模式模型。其次研究了獲取各層模式特征的方法,并提出了獲取原子查詢集、屬性能力表、查詢接口種類等特征的方法。然后研究了利用查詢接口的模式特征計算查詢接口查詢能力的算法和利用后臺數(shù)據(jù)庫內(nèi)容特征(Web數(shù)據(jù)庫的主題分布)計算后臺數(shù)據(jù)庫查詢

4、能力的算法。最后利用這兩項(xiàng)查詢能力實(shí)現(xiàn)了Web數(shù)據(jù)庫的選擇。
　　 (3)為評估這兩種方法的性能,提出了返回比和準(zhǔn)確比的概念,并分別利用返回比、準(zhǔn)確比評估Web數(shù)據(jù)庫選擇的召回率、準(zhǔn)確率。同時基于Web數(shù)據(jù)庫選擇的實(shí)驗(yàn)結(jié)果對這兩項(xiàng)指標(biāo)的有效性進(jìn)行了證明。
　　 最后,對兩種方法進(jìn)行了實(shí)驗(yàn)評估。實(shí)驗(yàn)結(jié)果表明,基于主題分布的Web數(shù)據(jù)庫選擇能夠在降低Web數(shù)據(jù)庫選擇代價的前提下,提高召回率;基于綜合查詢能力的’Web數(shù)據(jù)庫選