基于频繁模式和语义处理的deep+web数据源分类-研究

《基于频繁模式和语义处理的deep+web数据源分类-研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于频繁模式和语义处理的DeepWeb数据源分类研究摘要基于频繁模式和语义处理的DeepWeb数据源分类研究摘要随着网络规模的日益扩大，网络已经成为巨大的信息资源库。其中很大部分信息被“深藏”于各类在线数据库中，用户只能通过查询接口提交查询来获取里面的信息，这类网络信息被称为DeepWeb。由于DeepWeb资源的异构性、大规模性和动态性使得寻找合适的数据源成为巨大的挑战。亟需一种DeepWeb信息集成系统，DeepWeb数据源分类是集成系统中的关键步骤。本文主要研究的是DeepWeb数据源分类，主要工作

2、包括：(1)对DeepWeb相关背景和国内外研究现状进行了介绍，并提出了本文的框架、重点研究内容以及研究意义。(2)分析了基于可视化的查询接口特征信息提取技术，在此基础上提出查询接口的表单内容特征和文本内容特征提取方法。(3)对于查询接口资源丰富情况下的DeepWeb数据源分类，本文引入数据挖掘的思想。利用Apriori算法，挖掘出接口特征资源中的频繁模式。利用频繁模式更好的领域信息贡献能力，改进了朴素贝叶斯分类模型中的独立特征，发挥特征之间的联系，放松条件独立性限制，更好的实现TDeepWeb数据源分类

3、。(4)对于查询接口资源稀疏情况下的DeepWeb数据源分类，本文对特征进行语义扩展。通过外部知识库WordNet，建立包含同义词集的特征向量，有效的增加了查询接口特征的领域划分性。利用改进的KNN分类算法，建立数据源分类模型。本文选取了UIUCWeb数据集中六类领域的DeepWeb数据源查询接口集合作为实验数据，然后利用10折交叉验证法分别对本文提出的两个分类模型进行了验证，证明本文所提出的两个分类模型具有较好的分类精度和应用价值。关键词：DeepW曲，数据源分类，数据挖掘，频繁模式，语义处理作者：华慧

4、指导教师：伏玉琛—A——b—s—tr—a—c—t————————R—e—a—searchofDeepWebDataSourceClassificationBasedonFrequentPatternandSemanticProcessing——ReasearchofDeepWebDataSourceClassificationBasedonFrequentPatternandSemanticProcessingAbstractWimanincreasinglylargesize．networkhasbec

5、omeahugelibraryforinformation．BtitmuchoftheinformationiS”hidden”inonlinedatabases，thereforeusershavetOsubmitqueriesthroughthequeryinterfacetoobtaininsideinformation，whichisknownasDeepW曲．ThenatureofDeepW曲isheterogeneous，large-scaleanddynamic，whichmakesthes

6、earchforsuitabledatabecomeagreatchallenge．Sothere’SanurgentneedofaDeepWrebinformationintegrationsystem．DeepW曲datasourceclassificationisthekeystepinsuchsystem．T1lispaperstudiesclassificationofDeepWrebdatasources，includingthefollowingresearchelements：(1)Int

7、roducethebackgroundoftheDeepW．ebandtheresearchStatusinhomeandabroad．Proposetheframework，theimportantcontentandpositivesignificanceofthispaper．(2)Analysetheinformationextractiontechnologyofqueryinterfacesbasedonvisualcharacteristics，andproposetheformconten

8、tandtextextractionalgorithm．(3)Introducetheideaofdataminingunderthesituationofrichqueryinterfaceresources．UseApriorialgorithmtOfind行equentpatterns．ImproveBayesianclassificationmodel．exertthelinksbetweenfeaturestOenh