deep+web查询接口识别与抽取技术研究

《deep+web查询接口识别与抽取技术研究》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、西安电子科技大学硕士学位论文DeepWeb查询接口识别与抽取技术研究姓名：杨柳申请学位级别：硕士专业：计算机软件与理论指导教师：陈平2011-01摘要fIIIIIIIilllIIIIIIIIIIIIY2238435访问Web数据库逐渐成为人们获取信息的主要手段，因此如何以自动的方式完成对Web数据库中信息的有效利用成为研究的热点。查询接口是Deepw曲数据库的唯一访问入口，通过I句DeepWeb查询接口提交查询是获得其中信息的主要途径。因此对查询接口识别与抽取技术的研究在整个DeepWeb数据集成系统中占有重要的地位。查询接口识别

2、是从众多网页表单中识别出查询接口。动态网页技术的发展，特别是JavaScript的出现，对表单的表现形式和提交方式产生了很大影响。本文借助Rhino弓I擎，实现TJavaScript数解析。并基于前人的研究成果，设计实现了一种基于最大熵模型的查询接口识别方法。实验表明，该查询接口识别方法的准确率高达95％。查询接口抽取的难点在于控件与表示其语义信息的提示文本的匹配。本文首先将查询接口按照结构的不同分成了四种类别，然后针对不同结构查询接口的特点，给出了属性匹配的方法，最后基于DOM实现了查询接口的属性抽取和匹配。在此方法的基础上，本

3、文还给出了一种改进方法一基于索引路径的查询接口抽取方法。实验表明，本文提出的方法抽取查询接口的Fmeasure值达到94％以上。关键词：DeepWeb查询接口查询接口识别查询接口抽取AbstractAccessingWebdatabasehasgraduallybecomethemainmeansofsearchinginformation．HowtoautomaticallyretrieveinformationontheWebdatabasehasbecomeahotspotwithindatabaseresearchcomm

4、unity．ResearchonsearchinterfaceidentificationandextractionpalyanimportantroleintheDeepWebdataintegrationsystem．Searchinterfaceidentificationaimstodistinguishsearchinterfacefromformsinwebpages．Thedevelopmentofdynamicwebpagetechniques，especiallytheemergenceofScriptLangu

5、ageJavaScript，hasasignificantimpactonthemanifestationsandsubmissionwayoftheform．ThisarticleutilizesRhinoenginetoanalyzetheJavaScriptcodesinaHTMLform．Basedonpreviousresearch，thispaperalsodesignsandimplementsamethodofsearchinterfaceidentificationwhichiSbasedonmaximument

6、ropymodel．Experimentalresultsshowthattheaccuracyofthequeryinterfaceidentificationishigherthan95％．Theinherentdifficultyofsearchinterfaceextractionistomatchformcontrolsandtextreferenceswhichexpresssemanticinformation．Searchinterfacesaredividedintofourtypesaccordingtoits

7、structure，andthenforitscharacteristicsofdifferentstructure，themethodformatchingattributesisgiven．Finally，basedofftheDOMtheory，theattributesextractionandmatchingofsearchinterfaceisimplemented．Onthebasisofthat，animprovedmethodisproposedinthispaper，thatis，amethodofthesea

8、rchinterfaceextractionbasedonthepathindex．TheexperimentalresultshowsthattheFmeasureofsearchinterfaceextractioncanachieve94％o