Deep Web接口的自动识别技术研究

• 作者: 余航 徐欣辰 杨永红 高磊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: DeepWeb接口 文档对象化模型树 接口块 多类分类
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 109-114
• 页数: 6页
• 分类号: TP391
• 字数: 5295字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0030

摘要

获取Deep Web中信息的主要途径是通过在其提供的查询接口上提交查询来实现的,目前大部分的研究以表单内的<form></form>标签获得表单内容结构,判断是不是一个Deep Web查询接口.提出了接口块的概念,设计了一种基于页面信息和视觉信息的接口块定位方法,最后将判定接口块是不是Deep Web接口看作是一个模式识别的分类问题,通过抽取适当的表单结构特征,采用C4.5决策树和SVM相结合的分类算法来进行接口块的判定,得到页面中含有的Deep Web查询接口.采用UIUC的TEL-8数据集进行实验,结果表明,该方法的准确率达到了97.30%,具有良好的可行性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高磊	中国石化胜利油田分公司勘探开发研究院	16	183	7.0	13.0
2	杨永红	中国石化胜利油田分公司勘探开发研究院	31	43	3.0	6.0
3	余航	上海大学计算机工程与科学学院	2	4	1.0	2.0
4	徐欣辰	上海大学计算机工程与科学学院	1	1	1.0	1.0