深層網(wǎng)中查詢?nèi)肟诘奶畛洳呗匝芯?pdf_第1頁
已閱讀1頁，還剩56頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、目前搜索引擎索引的絕大部分是表層網(wǎng)的信息，限于一些技術原因，搜索引擎幾乎無法索引深層網(wǎng)中的信息。但是深層網(wǎng)具有容量大、質(zhì)量高和專業(yè)性強等諸多優(yōu)點，它的意義及重要性無法被人們忽略，于是找到一種能夠爬行深層網(wǎng)的方式是非常必要的，所以構造一個深層網(wǎng)爬行器來獲取深層網(wǎng)中的數(shù)據(jù)是非常有意義的,而表單自動填充是深層網(wǎng)爬行器的重要組成部分。
　　 本文首先介紹了深層網(wǎng)的價值及難以搜索深層網(wǎng)的原因，分析對比了國內(nèi)外研究現(xiàn)狀，介紹了HTML 表單

2、、文檔對象模型(DOM)、抽取方法、本體知識和相似度計算方法，在此基礎上本文提出了一套填充深層網(wǎng)入口表單的策略。首先使用改進的啟發(fā)式規(guī)則識別深層查詢?nèi)肟诒韱危偻ㄟ^本文提出的就近原則算法提取表單標簽，在進行最后的匹配填充之前對抽取到的標簽進行標準化，最后通過改進的基于語義的相似度匹配算法對深層網(wǎng)表單標簽和本體領域知識庫的屬性進行匹配，這樣就可以模擬用戶填充深層網(wǎng)入口表單的過程了。
　　 結尾對整個算法進行了實驗驗證。選取了圖書領

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論