基于抽样的Deep Web模式匹配框架

• 作者: 王鑫 袁淼
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Deep Web 模式匹配 相关性挖掘 抽样
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 117-123
• 页数: 7页
• 分类号: TP393
• 字数: 6979字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0331

摘要

针对DCM（Dual Correlation Mining）框架匹配特殊模式集时查准率低下的缺陷，借鉴机器学习领域中的bagging方法，提出一种基于抽样的Deep Web模式匹配框架。该框架随机在模式集中抽取多个子模式集，分别对子模式集进行复杂匹配，集成各个子模式集的匹配结果，在整体上提高匹配的查准率。分析与实验证明该框架在处理特殊模式集时，平均能提高查准率41.2%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鑫	合肥工业大学计算机与信息学院	17	77	5.0	8.0
2	袁淼	合肥工业大学计算机与信息学院	1	0	0.0	0.0