Deep Web馆藏图书集成查询系统的研究与分析

随着World Wide Web(WWW)的飞速发展,各种各样的可搜索的在线数据库极大地丰富了Web信息,然而这些信息通常隐藏在Web查询接口下,传统的搜索引擎由于技术原因不能查询Deep Web信息。上于Deep Web数据的异构性和动态性,有效地把这些信息加以利用是一件重要而很有挑战性的工作。为了方便用户检索图书馆领域内的Deep Web信息,对Deep Web馆藏图书查询系统进行了研究。介绍了Deep Web概念,分析了国内外研究现状,在现有相关研究成果的基础上,提出了一个Deep Web数据集成的系统架构。

基于本体和贝叶斯网络的Deep Web集成系统研究

Deep Web指无法简单地通过搜索引擎或网络爬虫能够检索到的隐藏在后台数据库中,而往往这些内容具有丰富的信息和数据。获取Deep Web所蕴含的丰富信息的有效方法是构建Deep Web集成框架,而查询接口作为Deep Web的唯一访问接口,所以Deep Web集成系统的关键就是构建Deep Web集成接口。研究的目标是通过自动构建特定领域的本体来表示Deep Web接口信息,从而能够自动识别该领域Deep Web接口来建立索引,提取数据库中丰富的资源。在没有人为干预的情况下展开整个过程。本文的方法能完全自动地提取Deep Web接口信息并派生领域本体,并通过本体贝叶斯网络识别新Deep Web接口,进行匹配。在特定领域,通过一种新的自动从Deep Web接口中提取属性方法,通过Word Net构建成本体语义树,运用得到的领域语义本体树结合贝叶斯网络完成领域分类,并在分类后进行查询接口与集成接口的模式匹配。本文提出的方法通过对比人工提取属性构成的语义树在分类和模式匹配的结果进行对比,验证了该方法的可用性和适用性。

Deep Web数据集成中模式匹配算法的研究

为了方便用户检索图书馆领域内的Deep Web信息,本文提出了一个Deep Web数据集成的系统结构,并依据这个系统结构对Deep Web数据集成中最为困难的"模式匹配"问题进行了深入的分析,提出了相应的模型和算法。这一算法和模型是设计与实现Deep Web馆藏图书集成查询系统的关键技术,对Deep Web数据集成有较大的应用价值。