基于领域特征文本的Deep Web分类研究.pdfVIP

第39卷 第 4期 计 算 机 科 学 Vo1．39No．4 2012年 4月 Computer Science Apr2012 基于领域特征文本的DeepWeb分类研究 吴春 明L。 谢德体 (西南大学计算机与信息科学学院 重庆400715) (西南大学资源环境学院 重庆4OO715) 摘 要 Deepweb自动分类是建立深网数据集成系统的前提和基础。提 出了一种基于领域特征文本的Deepweb 分类方法。首先借助本体知识对表达同一语义的不同词汇进行了概念抽象，进而给出了领域相关度的定义，并将其作 为特征文本选择的量化标准，避免了人为选取的主观性和不确定性；在接 口向量模型构建中，考虑了不同特征文本对 于分类作用的差异，提出了一种改进的w—TFII=IF权重计算方法；最后采用KNN算法对接 口向量进行了分类。对比 实验证明，利用所提方法选择的特征文本是准确有效的，新的特征文本权重计算方法能显著地提高分类精度 ，且在 KNN算法中表现出较好的稳定性。 关键词 特征文本，领域分类，向量空间模型，DeepWeb 中图法分类号 TP391 文献标识码 A ResearchoilDeepW ebClassificationBasedonDomainFeatureText WU Chun-ming， XIEDe-ti2 (CollegeofComputerandInformationScience，SouthwestUniversity，Chongqing400715，China) (CollegeofResourcesandEnvironment，SouthwestUniversity，Chongqing400715，China)。 Abstract AutomaticDe epWebclassificationisthebasisofbuildingDe epW ebdataintergrationsystem．Anapproach wasproposedtoclassifytheDe epWebbasedondomainfeaturetext．Usingtheontologyknowledge，theconceptswhich expressthesalTiesemanticswerefirstlyextractedfrom differenttexts．Thenthedefinitionofdomaincorrelationwas givenasthequantitativecriteriaforfeaturetextselection．inorderotavoidthesubjectivityanduncertaintyofn砌 ual selection．Intheprocessoftheinterfacevectorspacemode1construction，animprovedweightingmethodnamedW- TFIDFwasproposedtoevaluatethedifferentrolesoffeaturetexLAtlast，aKNN algorithm wasusedtoclassifythese interfacevectors．ComparativeexperimentsindicatethatthefeaturetextselectedbyourmethodiSaccurateandeffec～ five，andhtenew weightingmethodcanmiprovetheclassificationprecision significantlynadshowsgoodstabilityin KNN classification． Keywords Featuretext，Domainclassification，Vectorspacemodel，DeepW eb