deep+web集成查询接口生成技术研究

《deep+web集成查询接口生成技术研究》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、中南大学硕士学位论文DeepWeb集成查询接口生成技术研究姓名：金灵芝申请学位级别：硕士专业：计算机应用技术指导教师：王小玲20090524摘要随着网络的发展，网上蕴藏着越来越多的信息，而更多的信息被隐藏在网络深处，称之为DeepWeb，俗称深网。为了挖掘DeepW，eb中的信息，DeepWreb数据集成的研究成为当务之急。而其中一个非常重要的方面就DeepW．eb查询接121的集成。查询接口是DeepW_eb的唯一入口，而查询接口通常以表单的形式表示。在本文中表单是主要的研究对象，所以在前面部分首先对表单的基本知识做了介绍，然后列举了一些常用的

2、分类算法。本文主要做了两个部分的工作：第一个工作就是DeepWreb查询接口识别，将Web网页中的表单作为研究对象，利用一定的规则提取表单特征，构成表单特征向量，而后利用C4．5分类算法识别DeepW．eb查询接口，也就是找到深网的入口。在实验中利用Weka平台对几种常见的分类算法进行了比较，验证了C4．5分类算法的优越性。找到深网入口后，接着对DeepW-eb查询接口进行分类，确定查询接口属于哪个领域，如：音乐，商业，新闻等，这部分工作的主要研究对象也是表单，提取表单的文本特征，以向量空间模型表示。然后利用朴素贝叶斯分类算法对DeepWeb查询

3、接口进行分类，以确定查询接口属于哪个领域。在这部分也通过实验对几种分类算法进行了比较(如：SVM，C4．5，NB)，最后发现朴素贝叶斯分类算法精确度最高。关键词数据集成；分类；C4．5分类算法；朴素贝叶斯分类ABSTRACTWiththedevelopmentofnetwork，moreandmoreinformationISincludedinthenetwork，butmuchmoreishiddeninthenetworkdeeply，calledde印web．InordertominetheinformationofDeepWeb，iti

4、sanurgencytasktodosomeresearchonthedataintergrationofDeepWeb．However,averyimportantaspectistheintergrationofDeepWebqueryinterface．QueryinterfaceistheonlyentranceofDeepWeb，anditisusuallyrepresentedbyform．Inthispaperformisthemainobjectofresearch，SOfirstlysomebasicimformationabo

5、utformisintroducedinthefrontofthepaper,thensomealogrithmsofsortingareenumerated．Twotaskshavebeendoneinthepaper：thefirstistheidentificationofdeepwebqueryinterface．TheformintheWebisresearchfulobjectinthispaper,firstlysomerulesareusedtoextractthecharacteristicsofformwhichconstit

6、uteeigenvector,thenC4．5sortalogrithmisutilizedtoidentifydeepwebqueryinterface，inotherwordsitmeanstofindtheentrancetohiddenweb．ThesuperiorityofC4．5sortingalogrithmisvalidatedontheWekainexperiment．Afterfindingtheentranceofdeepweb，thejobistheclassificationofdeepwebqueryinterface

7、whichisusedtoensurethedomainofqueryinterface，suchasmusic，business，newsetc．Themainobjectofresearchisalsoform，thenthecharactersoftextwhichardexpressedbyVSMmodelarepickedup．Thennativebayessortingalogrithmisusedtoclassifydeepwebqueryinterfacetoensurethedomainofqueryinerface．Inthi

8、spartseveralsortingalogrithmsarecomparedinexperiment，andtheadvantage