基于本體的Web數(shù)據(jù)集成研究與應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)和分布式應(yīng)用的發(fā)展和普及，大量的異構(gòu)數(shù)據(jù)源應(yīng)運(yùn)而生。特別是當(dāng)前Web技術(shù)的飛速發(fā)展，人們獲取信息的途徑大量來自于網(wǎng)絡(luò)。而Web是一個巨大的信息集散地，又同時也伴隨著一個巨大的問題一信息泛濫、混雜。它給Web上信息的有效獲取及利用帶來一定的困難。 如何使用戶快速有效的獲取和利用Web上的大量信息，這是目前國際上許多機(jī)構(gòu)和組織正在研究的焦點(diǎn)問題，也是Web信息管理的關(guān)鍵技術(shù)之一。 為此，本文引入本體概念來實(shí)現(xiàn)異構(gòu)We

2、b數(shù)據(jù)集成，本體的使用有利于解決數(shù)據(jù)集成中的語義異構(gòu)問題，這是其它數(shù)據(jù)集成技術(shù)考慮較少的方面。本文在介紹了基本的語義網(wǎng)的原理及相關(guān)標(biāo)準(zhǔn)后，重點(diǎn)研究了數(shù)據(jù)的獲取和集成。 數(shù)據(jù)獲取的過程分為三個階段：定義抽取規(guī)則，獲取網(wǎng)頁及清洗頁面，格式轉(zhuǎn)換。首先在用戶參與下，根據(jù)樣本頁面學(xué)習(xí)獲得抽取規(guī)則，之后下載頁面并利用Tidy工具清洗，最后由系統(tǒng)完成數(shù)據(jù)的抽取和轉(zhuǎn)換。文中介紹了基本的基于DoM樹的方法，以及改進(jìn)的基于語義塊的方式。 數(shù)