一种数据驱动的Wrapper自动生成与维护方法.pptVIP

下载本文档

3
0
约5.15千字
约 31页
2019-05-19 发布于湖南
举报
版权申诉

一种数据驱动的Wrapper自动生成与维护方法.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

* 感谢你的观看一种数据驱动的Wrapper自动生成与维护方法王仲远艾静孟小峰中国人民大学WAMDM实验室 * 感谢你的观看 2019年5月16日 * 大纲背景介绍研究动机数据驱动的Wrapper自动生成与维护方法实验总结系统介绍感谢你的观看 2019年5月16日 * Deep Web 介绍 World Wide Web [CIDR07] 目前可访问的网页超过550 billion 目前主流搜索引擎只索引了超过1billion的页面 Web的划分(按照数据“深浅”程度) Surface Web -通过超链接可以被传统搜索引擎索引到的页面的集合。 Deep Web -无法被传统的搜索引擎索引到的那部分内容。感谢你的观看 2019年5月16日 * Deep Web的主要特点规模 2001年7月BrightP：Web数据库的数量超过4万个 2004年UIUC统计：Web数据库超过45万个 2007年CIDR：Web数据库超过2500万个是Surface Web的500多倍结构化程度 75% 主题分布覆盖了现实世界的各个主题(商业、新闻媒体、娱乐…… ) 自治性和异质性感谢你的观看 2019年5月16日 * 研究动机原有的数据抽取方法基于DOM树分析 Y. Zhai, B. Liu. Web data extraction based on partial tree alignment. In: WWW, 2005. 76-85. D. Hu and X. Meng: Automatically extracting data from data-rich web pages. In: DASFAA 2005, pages828-839, Beijing, China, April 17-20, 2005. Lecture Notes in Computer Science 3453, Springer. 基于视觉的抽取 H. Zhao, W. Meng, Z. Wu, V. Raghavan, C. T. Yu. Fully automatic wrapper generation for search engines. In WWW, pages 66-75, 2005. K. Simon, G. Lausen. ViPER: Augmenting Automatic Information Extraction with Visual Perceptions. In CIKM, pages 381-388, 2005. W. liu, X. Meng, W. Meng. Vision-based Web Data Records Extraction. In: Proceedings of the 9th SIGMOD International Workshop on Web and Databases (SIGMOD-WebDB2006), June 30, 2006 感谢你的观看 2019年5月16日 * 原有抽取方法的缺陷（1） [SL05] K. Simon, G. Lausen. ViPER: Augmenting Automatic Information Extraction with Visual Perceptions. In CIKM, pages 381-388, 2005. ViNTs(MDR-2) [CH07] S.-L. Chuang, K. C.-C. Chang, and C. Zhai. Context-Aware Wrapping: Synchronized Data Extraction. In: VLDB 2007. 699-710 数据集1 数据集2 数据集3 查全率 97.6% 98.7%(52.8%) 89.2% 查准率 98.1% 98.7%(87.7%) 93.5% 音乐图书汽车 LineSpliter 65% 67% 40% RoadRunner 90% 62% 80% ExAlg 91% 85% 81% TreeAlign 88% 65% 85% 领域方法感谢你的观看 2019年5月16日 * 原有抽取方法的缺陷（2）特征驱动的方法：严重依赖于网页的结构及特征准确率波动现象准确率不同的领域/不同的页面集合（失效）（较好）（较差）（一般）感谢你的观看 2019年5月16日 * 大纲背景介绍研究动机数据驱动的Wrapper自动生成与维护方法实验总结系统介绍感谢你的观看 2019年5月16日 * Deep Web查询结果页面查询结果列表（list page）