基于网页上下文的Deep Web数据库分类

• 作者: 宋玲 闫泼 韩晓晖 马军
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: deep Web 隐式Web 数据库分类 内容文本抽取 语义分类
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: Deep Web数据集成
• 页码范围: 267-274
• 页数: 8页
• 分类号: TP393
• 字数: 6330字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2008.00267

摘要

讨论了提高Deep Web数据库分类准确性的若干新技术,其中包括利用HTML网页的内容文本作为理解数据库内容的上下文和把数据库表的属性标记词归一的过程.其中对网页中的内容文本的发现算法是基于对网页文本块的多种统计特征.而对数据库属性标记词的归一过程是把同义标记词用代表词进行替代的过程.给出了采用分层模糊集合对给定学习实例所发现的领域和语言知识进行表示和基于这些知识对标记词归一化算法.基于上述预处理,给出了计算Deep Web数据库的K-NN(k nearest neighbors)分类算法,其中对数据库之间语义距离计算综合了数据库表之间和含有数据库表的网页的内容文本之间的语义距离.分类实验给出算法对未预处理的网页和经过预处理后的网页在数据库分类精度、查全率和综合F1等测度上的分类结果比较.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马军	山东大学计算机科学与技术学院	74	980	15.0	29.0
2	宋玲	山东大学计算机科学与技术学院	7	185	5.0	7.0
3	韩晓晖	山东大学计算机科学与技术学院	5	115	4.0	5.0
4	闫泼	山东大学计算机科学与技术学院	1	78	1.0	1.0