面向特定领域的Deep+Web数据获取技术地研究.pdfVIP

面向特定领域的D∞pweb数据获取技术研究 中文摘要 W-eb数据获取技术研究 面向特定领域的Deep 中文摘要 随着互联网技术的飞速发展，隐藏在w曲数据库中高质量的信息资源因为结构 完整、数据量巨大而受到广泛的关注。然而这类信息资源只有用户向W曲查询接口 提交查询后才会以HTML页面的方式展现出来，使得传统的搜索引擎无法获取，因 w曲资源的利用程度，需要将隐藏在查询接口 而被称为Deepw曲。为了提高Deep 之后的数据展现到查询结果页面中，并将其抽取成为结构化的数据。 w曲数据获取关键技术进行了研究。研究主要分为两部 本文对特定领域的Deep 分：数据表面化以及数据记录抽取。主要研究内容如下： W曲查询接口中的范围型属性，提出了一种基于采样的值域划分 1)针对Deep 方法。该方法有效地提高了Top圣查询接口中数据表面化的效率。 2)针对查询接口中的分类型属性，改进一种基于层次树模型的数据表面化方 法。该方法通过调整分类型属性的提交顺序，有效的减少了查询提交的次数。 3)针对查询接口中的文本型属性，本文采用了一种候选值筛选的方法。该方法 利用候选属性值在样本库中的分布，对候选值进行筛选，增加了平均查询收益。 4)根据查询结果页面中特征节点的分布信息，提出了一种数据区域定位算法。 该算法将页面的结构信息和数据记录的属性特征结合起来，弱化了网页结构变更对 抽取效果的影响。 5)在数据记录抽取阶段，本文讨论了一种特征序列划分和树相似度相结合的数 据记录抽取方法。该方法不但可以提高数据记录抽取的准确率，而且能够对齐数据 记录的属性。 本文通过实验验证了上述算法的有效性，并设计了面向电子商务领域的Deep w曲信息集成原型系统。 w曲，数据获取，数据表面化，数据抽取 关键词：Deep 作 者：郭建兵 指导教师：崔志明(教授) Abst瑚lct Researchon for web D0min-specjfic1khniquesD∞p D砌A驾uisi塑9 on for Research Domain-Speciljic1’echniques W．ebData Deep Acquisition Abstract with ofhltemet infomation Along mpiddeVelopment technologyhighlquality receiVe duet0 resourceshiddenint11eWebdatabases anention complete widespread s扛1lctllre锄d of infonl[1ationresourcesc觚be data．HoweVer，such huge锄ount