Deep Web资源集成研究.pdfVIP

维普资讯 科技信息 0计算机与信息技术0 SCIENCE＆TECHNOLOGYINFORMATION 2007年 第35期 DeepWeb资源集成研究 周 旭 赵 耀 刘海博 (河北大学数学与计算机学院 河北 保定 071002) 摘【 要】面对越来越多的在线数据库，DeepWeb得到人们的广泛重视，DeepWeb资源集成是DeepWeb研究的重点内容。本文对一仓 典型的DeepWeb资源集成原型系统…WISE Integrator进行了系统的分析和介绍。该系统对查询接 口的描述、接 口抽取和接 口整合等 Deep Web资源集成的主要 问题进行 了深入的研 究，提 出一些切实可行的方法，对于该领域的研 究人员具有重要的参考价值 。 关【键词】DeepWeb；查询接 口；抽取；集成 O．引言 相对于属性的标签，组成属性的每一个元素也可能有它 自己的标 随着计算机网络的快速发展和计算机应用的广泛普及 ，网上的 签 。这些标签也可能帮助确认元素的语义信息。当一个属性有多个元 DeepWeb站点越来越多。文献 Jf古计网络上大约有4．3万到9．6万个 素时，他们 一般具备4种基本关系 ： DeepWeb站点，有大约 7500TB的数据 ，是 SurfaceWeb的500倍。文 范围类型：有两个或者更多元素被用来表示属性的范围语义 。 献 进一步指出：DeepWeb信息资源仍在迅速增长，从 2000年到 部分类型 ：即部分关系。 2004年增长了3—7倍：内容分布于多种不同的主题领域；目前的搜索 分组类型 ：有时多个checkbox被用来产生一个语义概念 。 引擎已经覆盖 DeepWeb大约 1，3的页面。这表明DeepWeb资源发挥 约束类型：一个元素可 以约束另一个元素。 着越来越大的作用，对DeepWeb的研究得到人们的广泛关注 。 由文献日概括来讲 ．在保证接 口表达的完整性的基础上，这个模型 DeepWeb数据库…般都是通过查询接 口向用户提供信息 。但是 包括了接 口的语义信息，如元素名和元素类型。F=(S，fA。，A，… ， 当用户查询时却发现很不方便 ，相同领域的大量 DeepWeb数据库各 A，)，C)，其中，s是站点信息；(A。，A。，…，A，)是接 口属性的序列；C是表 自独立 ．如果用户想要 比较全面地查询某领域的信息．需要费时费力 单的约束 。每 一个 A。表示为 ：(L，P，DT，DF，VT，U…R (EJ，EJ+1，…， 地逐个查询每个相关的数据库 。例如，当一一个求职者想要在互联网上 EKl，Ca)，其 中L为属性标签 ；P为布局顺序位置 ；DT为域类型；DF为 查询是否有 自己合适的工作时，面对着大量的类似求职网站，普通用 默认值 ；V为值类型；u为单位 ；R为域元素关系类型；fEJ，EJ十】，…，El 户不可能同时记住大量网址，而且逐个网站的查询也很浪费时间。如 为域元素列表 ；C为属性约束。每一个 E．表示为：(L，N…FV，DV)，其 果能够把某个领域内众多的相关DeepWeb站点进行集成 ．为用户提 中，Le为元素标签；N为名字；Fe为格式；v为值集合；DV为默认值 。 供一个统一的查询接 口，为用户提供统一的查询结果，将会受到用户 2．接 口抽取器 的欢迎 。DeepWeb资源集成是 目前 DeepWeb研究的重点内容 。 通过扫描 HTML源文件 ，查询接 口上的语义相关的文本标签和元 对于 DeepWeb资源集成研究，一个在 国内外具有领先水平的原 素描述为逻辑属性 。通过分组相关联 的文本和元素可以确定属性。同 型系统是 WISE—Integratort3，51系统 ，该系统在分析相 同领域的一组查 时抽取器除了文本和元素信息，还抽取大量重要的元信息。例如， 询接 口的基础上，自动创建一个统一的查询接 口，并且发送子查询到 Publicationdate暗指属性是一个 日期数据类型 ，且