Deep Web查詢接口模式匹配技術(shù)的研究與應(yīng)用.pdf

1、如何自動搜索、抽取、挖掘互聯(lián)網(wǎng)上分布的Web數(shù)據(jù)庫中的信息是web搜索的研究熱點(diǎn)。DeepWeb數(shù)據(jù)集成的主要研究內(nèi)容之一是如何通過一個統(tǒng)一的接口訪問所有分布的Web數(shù)據(jù)源,獲得質(zhì)量優(yōu)結(jié)構(gòu)好的信息。因此,具有很好的研究和應(yīng)用價值。
　　 查詢接口是獲得Web數(shù)據(jù)庫信息的唯一途徑,因此它是DeepWeb數(shù)據(jù)集成的核心難點(diǎn)問題。為了完成查詢接口集成,首先要完成查詢接口間的模式匹配,因?yàn)槟Ｊ狡ヅ涫前l(fā)現(xiàn)異構(gòu)數(shù)據(jù)源屬性的語義對應(yīng)的關(guān)鍵一步

2、。
　　 在深入分析研究現(xiàn)有DeepWeb模式匹配技術(shù)的基礎(chǔ)上提出了一種新的模式匹配方法--整體模式匹配方法,該方法通過數(shù)據(jù)挖掘的方法一次性發(fā)現(xiàn)多個模式間的復(fù)雜匹配。該方法將成組屬性看作正相關(guān)的,通過在輸入模式集的屬性信息上進(jìn)行正相關(guān)挖掘發(fā)現(xiàn)成組屬性,然后將同義屬性(即匹配)看作負(fù)相關(guān)的,在屬性和成組屬性的基礎(chǔ)上進(jìn)行負(fù)相關(guān)挖掘發(fā)現(xiàn)不同模式間屬性的匹配。
　　 在借鑒DCM框架中的相關(guān)度度量方法的基礎(chǔ)上做了一些改進(jìn),主要對

3、度量兩個屬性的正相關(guān)度的方法做了修改,使得成組屬性發(fā)現(xiàn)更為準(zhǔn)確,避免發(fā)現(xiàn)大量的偽成組屬性,從而使得同義屬性發(fā)現(xiàn)更為準(zhǔn)確和高效。
　　 設(shè)計實(shí)現(xiàn)了包括查詢接口模式抽取、查詢接口模式匹配、查詢接口集成三部分在內(nèi)的DeepWeb集成系統(tǒng)。其中,查詢接口模式包括查詢接口的網(wǎng)址、提交方法、屬性、元素、元素值域等信息的采集,對此采用了人工介入配置形成所需信息,從而保證基礎(chǔ)研究的模式信息的準(zhǔn)確性。
　　 在完成了模式匹配給出輸入模式集