基于本體的Deep Web數(shù)據(jù)源的分類研究.pdf

1、互聯(lián)網(wǎng)按“深度”可以分為Deep Web和Surface Web。隨著互聯(lián)網(wǎng)的飛速發(fā)展,大量信息在我們的日常工作和生活中不斷產(chǎn)生和積累。為了利用這些資源,尤其是Deep Web資源,學(xué)界引入了Deep Web數(shù)據(jù)集成問題的研究。而Deep Web數(shù)據(jù)源的分類作為Deep Web數(shù)據(jù)集成中的重要環(huán)節(jié),需要更多關(guān)注和研究。
　　 本文針對Deep Web數(shù)據(jù)源分類所涉及到的相關(guān)技術(shù)進行了研究,將本體應(yīng)用到Web數(shù)據(jù)源的分類中,提出了

2、相關(guān)的算法和模型。主要研究工作包括:
　　 (1)Deep Web查詢接口模式信息抽取技術(shù)研究。本文基于頁面一表單模型,提出對頁面進行內(nèi)容文本特征和超鏈接的提取,同時對表單特征提取進行了規(guī)范。之后進行預(yù)處理。
　　 (2)本體構(gòu)建方法研究。本文給出了本體模型,結(jié)合知網(wǎng)和WordNet來構(gòu)建了幾個領(lǐng)域的本體,同時提出了新的權(quán)重計算方法。
　　 (3)基于本體的Deep Web數(shù)據(jù)源分類方法。提出了在基于查詢接口特征

3、分類的同時,將本體引入Deep Web數(shù)據(jù)源分類的方法。并改進了分層表單識別架構(gòu)(HIFI)和權(quán)重計算方法,形成了基于本體的Deep Web數(shù)據(jù)源分類算法。
　　 在實驗平臺Weka上分別用C4.5、貝葉斯分類方法、KNN方法、支持向量機四種方法進行對比實驗,實驗表明,基于領(lǐng)域本體的Deep Web數(shù)據(jù)源分類比已有的單純利用查詢接口特征進行分類的分類效果更好,同時改進的權(quán)重計算方法以及改進的HIFI構(gòu)架對于分類準(zhǔn)確性的提高具有較