增量式Deep Web數(shù)據(jù)獲取技術(shù)研究.pdf

1、隨著www的飛速發(fā)展，Deep Web中蘊(yùn)含了海量的可供訪問(wèn)的信息，并且還在迅速增加。高速增長(zhǎng)的Deep Web信息已經(jīng)成為人們獲取信息的一個(gè)重要來(lái)源。但由于其本身異構(gòu)性和動(dòng)態(tài)性的特征，用戶必須面對(duì)和克服信息發(fā)現(xiàn)的主要問(wèn)題。隨著在本地集成Deep Web數(shù)據(jù)重要性的凸顯，Deep Web數(shù)據(jù)獲取問(wèn)題正受到越來(lái)越多的學(xué)者的關(guān)注。本文針對(duì)Deep Web數(shù)據(jù)獲取的相關(guān)技術(shù)進(jìn)行深入研究，并給出了增量式的數(shù)據(jù)獲取解決方案。本文的主要研究?jī)?nèi)容如下

2、：
　　 (1)對(duì)增量式Deep Web數(shù)據(jù)獲取技術(shù)的研究背景進(jìn)行了深入的分析，在此基礎(chǔ)上給出了本文的研究目的及意義。
　　 (2)設(shè)計(jì)了一個(gè)基于通用搜索引擎的數(shù)據(jù)源發(fā)現(xiàn)爬蟲(chóng)，即通過(guò)分析搜索引擎的返回結(jié)果來(lái)發(fā)現(xiàn)領(lǐng)域表單的聚焦爬蟲(chóng)。
　　 (3)完成了一套完整的數(shù)據(jù)源判定及分類方法，其中包括一系列過(guò)濾無(wú)效表單的啟發(fā)式規(guī)則和基于計(jì)算表單相似度的數(shù)據(jù)源分類方法。
　　 (4)分析了一種Web記錄的自動(dòng)抽取方法，