Deep Web集成查詢接口生成技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)的發(fā)展，網(wǎng)上蘊(yùn)藏著越來越多的信息，而更多的信息被隱藏在網(wǎng)絡(luò)深處，稱之為Deep Web，俗稱深網(wǎng)。為了挖掘Deep Web中的信息，Deep Web數(shù)據(jù)集成的研究成為當(dāng)務(wù)之急。而其中一個(gè)非常重要的方面就Deep Web查詢接口的集成。 查詢接口是Deep Web的唯一入口，而查詢接口通常以表單的形式表示。在本文中表單是主要的研究對象，所以在前面部分首先對表單的基本知識做了介紹，然后列舉了一些常用的分類算法。 本文

2、主要做了兩個(gè)部分的工作：第一個(gè)工作就是Deep Web查詢接口識別，將Web網(wǎng)頁中的表單作為研究對象，利用一定的規(guī)則提取表單特征，構(gòu)成表單特征向量，而后利用C4.5分類算法識別DeepWeb查詢接口，也就是找到深網(wǎng)的入口。在實(shí)驗(yàn)中利用Weka平臺對幾種常見的分類算法進(jìn)行了比較，驗(yàn)證了C4.5分類算法的優(yōu)越性。 找到深網(wǎng)入口后，接著對Deep Web查詢接口進(jìn)行分類，確定查詢接口屬于哪個(gè)領(lǐng)域，如：音樂，商業(yè)，新聞等，這部分工作的主