基于結(jié)果模式的Deep Web語義標注研究.pdf

1、隨著Internet技術(shù)的飛速發(fā)展和網(wǎng)絡(luò)中所含信息規(guī)模的不斷擴大,存在越來越多以Web查詢接口形式進行訪問的Deep Web(簡稱Web數(shù)據(jù)庫或WDB)資源。而信息檢索作為互聯(lián)網(wǎng)應(yīng)用的重要組成部分,在網(wǎng)絡(luò)環(huán)境下,隨著對信息檢索研究的不斷深入,研究Deep Web數(shù)據(jù)集成系統(tǒng)受到越來越多的研究者的密切關(guān)注。通過最近的研究發(fā)現(xiàn),Deep Web蘊含了大量有價值的數(shù)據(jù)信息,這些數(shù)據(jù)資源與市場的需求密切相關(guān),為了能自動的、有效的獲取Deep W

2、eb背后眾多Web數(shù)據(jù)庫信息資源,需要進行大量的WDB數(shù)據(jù)集成。WDB頁面大多是帶模板的結(jié)構(gòu)化HTML文檔,而HTML語言的特點是在Web上人們可以隨意發(fā)布內(nèi)容多種多樣,形式不同的內(nèi)容,這樣使得Web上的內(nèi)容處于雜亂無序的狀態(tài),對建立Web數(shù)據(jù)庫集成系統(tǒng)造成了很大的困難。
　　 語義標注作為Deep Web數(shù)據(jù)集成系統(tǒng)中查詢結(jié)果處理模塊中一個非常重要的組成部分,它的主要工作是指對抽取出的Deep Web查詢結(jié)果數(shù)據(jù)添加正確的語義

3、信息,使這些數(shù)據(jù)具有更高的使用價值,同時能被計算機識別和處理。本文首先介紹了研究Deep Web的研究背景和相關(guān)知識;其次,對模式獲取技術(shù)和DeepWeb數(shù)據(jù)標注術(shù)進行了深入的研究,并提出了相應(yīng)的方法和模型結(jié)構(gòu)圖;最后,使用結(jié)果模式信息對WDB數(shù)據(jù)進行有效標注,其主要研究工作包括:
　　 1.針對Deep Web結(jié)果模式結(jié)構(gòu)信息的丟失問題,提出了一種基于啟發(fā)式信息的Deep Web結(jié)果模式獲取方法。通過解析Deep Web結(jié)果頁

4、面數(shù)據(jù),利用啟發(fā)式信息為結(jié)果頁面數(shù)據(jù)添加正確的屬性名,進而得到對應(yīng)Deep Web的結(jié)果模式,并對其進行規(guī)范化處理解決不同數(shù)據(jù)源結(jié)果模式的結(jié)構(gòu)不一致問題。實驗驗證該方法可以有效地獲取Deep Web的結(jié)果模式信息。
　　 2.通過對比不同的WDB語義標注方法的優(yōu)缺點,針對已有的標注方法還不能較好的解決Deep Web查詢結(jié)果數(shù)據(jù)的標注問題,提出一種基于結(jié)果模式的Deep Web數(shù)據(jù)標注方法。通過結(jié)果頁面解析和抽取結(jié)構(gòu)化數(shù)據(jù)來完成