Deep Web中基于聚類的模式匹配研究.pdf

1、隨著Internet信息的迅速增長，整個Web信息已經(jīng)被各種各樣可搜索的在線數(shù)據(jù)庫所深化，這些信息隱藏在Web查詢接口下面，傳統(tǒng)的搜索引擎由于技術(shù)原因不能索引這些信息，稱之為Deep Web信息。 Deep Web中蘊含了海量的可供訪問的信息，并且還在迅速的增長。這些信息要通過查詢接口在線訪問其后端的Web數(shù)據(jù)庫。盡管豐富的信息蘊藏在Deep Web中，由于Deep Web數(shù)據(jù)的異構(gòu)性和動態(tài)性，有效地把這些信息加以利用是一件十分

2、具有挑戰(zhàn)性的工作。Deep Web數(shù)據(jù)集成至今仍然是一個新興的研究領(lǐng)域，其中包含有若干需要解決的問題?？傮w來看，在該領(lǐng)域已經(jīng)開展了大量的研究工作，但各個方面發(fā)展并不均衡，而且Deep Web離應(yīng)用階段還需較長的時間，大量關(guān)鍵的問題需要深入細(xì)致的研究。 本文介紹了Deep Web概念、規(guī)模、Deep Web產(chǎn)生的原因以及Deep Web信息集成系統(tǒng)的基本框架。對Deep Web中的關(guān)鍵技術(shù)——模式匹配進(jìn)行了重點的研究，通過對目前基

3、于聚類的模式匹配方法進(jìn)行分析和比較，發(fā)現(xiàn)這些基于聚類的模式匹配方法不能實現(xiàn)m:n映射關(guān)系，針對這些問題提出了一種新穎的基于聚類的復(fù)雜模式匹配算法(CSM)，根據(jù)成組屬性和同義屬性的定義，提出了成組屬性和同義屬性的判斷方法，并在聚類過程中，根據(jù)屬性間相似度的加權(quán)平均值和屬性間距離加權(quán)平均值成反比的關(guān)系，給出一種計算聚類中心點的方法；聚類后，不僅能夠發(fā)現(xiàn)1:1模式匹配，還能發(fā)現(xiàn)m:n復(fù)雜模式匹配；采用重采樣方法的聚類驗證，說明該聚類方法能夠