基于抽样的Deep Web模式匹配框架.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 基于抽样的DeepWeb模式匹配框架 袁 淼，王 鑫 YUAN Miao，WANG Xin 合肥工业大学 计算机与信息学院，合肥 230009 SchoolofComputerandInformation，HefeiUniversityofTechnology,Hefei230009，China YUAN M iao，WANG Kin．DeepW eb schem am atchingframebasedonsampling．Com puterEngineeringandAppli- cations，2015，51(3)：117-123． Abstract：Thedualcorrelationminingflamehasalow precisionwhen somespecialschemasareintheset．Inspiredby baggingalgorithm inmachinelearning，aschemamatchingflamebasedon samplingisproposed．Theflamerandomly sampleseveralsubsetsfomr inputschem as，thenexecutetheDCM matcheroneachsubset．Theflamewillachievearobust matchingaccuracybysynthesizingtheresultsofeach subset．Experimentalresultsshow thattheprecisionisincreasedby 41．2％ inaverage． Keywords：DeepWeb；schemamatching；dualcorrelationm ining；sampling 摘 要 ：针对DCM(DualCorrelationMining)框架匹配特殊模 式集时查准率低下的缺陷，借鉴机器学习领域 中的 bagging方法，提 出一种基于抽样的DeepWeb模式匹配框架。该框架随机在模式集中抽取多个子模式集，分别对子 模式集进行复杂匹配，集成各个子模式集的匹配结果，在整体上提高匹配的查准率。分析与实验证明该框架在处理 特殊模式集时，平均能提高查准率41．2％。 关键词 ：DeepWeb；模式匹配；相关性挖掘；抽样 文献标志码：A 中图分类号：TP393 doi：10．3778／j．issn．1002．8331．1303．0331 1 引言 务器查询接 口，将用户提交的查询条件 “翻译”到各个查 Web按所蕴含信息的 “深度”可以划分SurfaceWeb 询接 口中，实现数据库的自动查找与填充。然后系统将 和DeepWeb两部分 。DeepWeb是指Web中不能被传 Web服务器返回的查询结果进行整理后反馈给用户，使 统搜索引擎索引到的深层次的信息u。DeepWeb有着 用户能同时查询特定领域内的多个数据库 。 专业性强、质量高、信息量大等特点 。2000年全球共 国内外对DeepWeb模式匹配技术做了广泛研究： 有超过43000个DeepWeb站点 ，到2004年互联网中 同一领域内，随着DeepWeb数据源的增加，接口的属性 DeepWeb站点数量已经增加到了304000个 。2006年 个数趋于稳定 ，MGS方法 基于这一特点 ，从整体上用 中国DeepWeb大约有两万多个站点 ，近 3万个Web数 统计的方法来发现所有属性匹配关系。基于聚类的交 据库和超过7万个查询接 口[51。 互式方法 ，把模式看成是层次型的有序树结构 ，以聚类 DeepWeb中的海量数据零散地存储在各个在线数 框架为基础进行n：m复杂匹配。基于本体的模式匹配 据库中。用户为了得到 自己所需要的信息 ，通常需要查 方法[t0l在领域内建立本体知识库 ，通过本体知识库完成 询多个数据库 。DeepWeb数据集成 把查询接口抽象 模式匹配工作，该方法的优点是通过本体知识库克服了 成模式，通过DeepWeb模式匹配发掘模式间匹配关系 ，