| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-26页 |
| ·研究背景与研究意义 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·主要研究问题 | 第13-24页 |
| ·Web 数据库的发现与分类 | 第13-15页 |
| ·Web 数据库的性能描述 | 第15-17页 |
| ·查询接口模式信息抽取 | 第17-18页 |
| ·查询接口的模式描述与集成 | 第18-19页 |
| ·Web 数据源选择 | 第19-20页 |
| ·查询转换 | 第20-21页 |
| ·查询提交 | 第21-22页 |
| ·结果抽取与合并 | 第22-23页 |
| ·结果语义注释 | 第23-24页 |
| ·本文章节结构 | 第24-26页 |
| 第2章 Deep Web 信息集成系统架构 | 第26-68页 |
| ·中介模型 | 第26-28页 |
| ·基于爬行技术的Deep Web 发现 | 第28-41页 |
| ·限定爬虫 | 第28-30页 |
| ·上下文限定爬虫 | 第30-31页 |
| ·主题爬虫 | 第31-35页 |
| ·爬行算法优化 | 第35-37页 |
| ·基于质心向量的主题爬行 | 第37-41页 |
| ·模式信息 | 第41-45页 |
| ·中介模式的完备性及可拓展性 | 第45-48页 |
| ·中介模式的完备性 | 第45-47页 |
| ·中介模式的可拓展性 | 第47-48页 |
| ·工作阶段 | 第48-66页 |
| ·查询提交与查询重写 | 第48-52页 |
| ·基于类型的查询驱动式谓词映射方法 | 第52-55页 |
| ·查询优化与分发 | 第55-59页 |
| ·结果显示引擎 | 第59-66页 |
| ·小结 | 第66-68页 |
| 第3章 基于本体实例信息的查询接口属性自动抽取算法 | 第68-90页 |
| ·查询接口表单组成分析 | 第68-69页 |
| ·基于设计者-使用者视图的属性自动抽取方法 | 第69-74页 |
| ·基于本体实例信息的查询接口属性自动抽取算法 | 第74-83页 |
| ·EN 集抽取算法(ENEA) | 第75-76页 |
| ·ET 集抽取算法(ETEA) | 第76-78页 |
| ·最终有效属性抽取算法 | 第78-83页 |
| ·查询接口语义约束 | 第83-84页 |
| ·实验结果 | 第84-88页 |
| ·小节 | 第88-90页 |
| 第4章 基于本体拓展的Deep Web 模式描述方法 | 第90-112页 |
| ·集成系统中的模式描述方法 | 第90-95页 |
| ·LAV | 第92-94页 |
| ·GAV | 第94-95页 |
| ·异构信息集成系统 | 第95-97页 |
| ·基于本体技术扩展的Deep Web 模式描述方法 | 第97-105页 |
| ·基于本体拓展的LAV 描述方法 | 第99-103页 |
| ·语义矩阵 | 第103-104页 |
| ·中介模式与局部模式映射算法 | 第104-105页 |
| ·实验结果 | 第105-111页 |
| ·本章小结 | 第111-112页 |
| 第5章 基于Deep Web 查询接口融合的增量式本体构建方法 | 第112-136页 |
| ·Deep Web 集成系统异构性问题 | 第112-118页 |
| ·知识表示方法-本体 | 第118-123页 |
| ·Deep Web 集成系统中的本体引入 | 第123-124页 |
| ·本体学习 | 第124-125页 |
| ·基于Deep Web 查询接口融合的增量式本体构建方法 | 第125-135页 |
| ·查询接口表单属性及对应实例抽取 | 第126-127页 |
| ·QIT 语义化处理 | 第127-130页 |
| ·本体学习算法 | 第130-133页 |
| ·实验结果 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 第6章 总结与展望 | 第136-140页 |
| 参考文献 | 第140-150页 |
| 攻读博士期间发表的论文情况及参加的项目 | 第150-152页 |
| 致谢 | 第152-153页 |
| 摘要 | 第153-156页 |
| Abstract | 第156-159页 |
