Deep Web数据采集查询构造方法研究

• 作者: 杨晓刚 林海伦 熊锦华 王元卓 程学旗 贾岩涛
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: Deep Web 查询接口 查询构造 网络爬虫
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 1025-1033
• 页数: 9页
• 分类号: TP319
• 字数: 6980字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1409021

摘要

网络大数据的大规模、多源异构、动态更新、高噪声给知识的获取带来了很大的挑战。特别地，很多网站隐藏在HTML表单后端的Web数据库中的Deep Web数据，只能通过提交表单查询的方式进行动态访问，网络爬虫难以通过页面之间的链接关系采集到这些数据，影响了获取到的知识资源的覆盖率，如何高效地采集这些数据并加以利用非常具有挑战性。为此对现有的Deep Web数据采集的查询构造方法进行了详细分析，分别介绍了针对不同类型的表单对应的Deep Web数据采集查询构造方法；总结了现有表层化方式的Deep Web数据采集查询构造方法的优缺点，并对Deep Web数据采集查询构造方法的未来工作进行了展望，以推动Deep Web数据采集技术的进一步发展。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学旗	中国科学院计算技术研究所网络数据科学与技术重点实验室	160	4858	31.0	67.0
2	熊锦华	中国科学院计算技术研究所网络数据科学与技术重点实验室	11	78	5.0	8.0
3	贾岩涛	中国科学院计算技术研究所网络数据科学与技术重点实验室	9	35	4.0	5.0
4	王元卓	中国科学院计算技术研究所网络数据科学与技术重点实验室	31	1884	10.0	31.0
5	杨晓刚		3	6	2.0	2.0
6	林海伦	中国科学院计算技术研究所网络数据科学与技术重点实验室	9	29	3.0	5.0