Deep Web数据源发现与分类模型

• 作者: 张小平 王翰虎 陈梅 马丹
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 深层网络 查询接口 K近邻算法 分类
• 年，卷（期）: 2010,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 65-67,71
• 分类号: TP311
• 字数: 2586字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.07.017

摘要

随着Internet的发展,Web正在不断深人人们的生活.传统搜索引擎只能检索浅层网络(Surface Web),不能直接索引到深层网络(Deep Web)的资源.为了有效利用Deep Web资源,对Deep Web数据源发现并进行领域类别的划分,已成为一个非常迫切的问题.该模型首先抽取Deep Web页面查询接口的特征,构造了一个Deep Web页面过滤器,从而能够发现Deep Web的数据源,其次在对查询接12特征进行分析后,构建了一个基于KNN的分类器,并通过该分类器对新产生的Deep Web数据源进行领域分类.试验结果表明,这种模型的平均分类准确率达到86.9%,具有良好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王翰虎	贵州大学计算机科学与信息学院	41	449	10.0	20.0
2	陈梅	贵州大学计算机科学与信息学院	51	314	10.0	16.0
3	张小平	贵州大学计算机科学与信息学院	11	28	3.0	5.0
4	马丹	贵州大学计算机科学与信息学院	13	27	3.0	4.0