Deep Web实体搜索的关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-28页 |
| ·Deep Web概述 | 第14-17页 |
| ·Deep Web的概念 | 第14-15页 |
| ·Deep Web的特点 | 第15-17页 |
| ·问题的提出 | 第17-20页 |
| ·Deep Web实体搜索的意义 | 第17-18页 |
| ·Deep Web实体搜索的应用 | 第18-19页 |
| ·Deep Web实体搜索面临的挑战 | 第19-20页 |
| ·国内外研究动态 | 第20-25页 |
| ·实体关联获取 | 第21-22页 |
| ·实体抽取技术 | 第22-23页 |
| ·实体评估技术 | 第23-24页 |
| ·实体去重技术 | 第24-25页 |
| ·本文研究的主要问题 | 第25-26页 |
| ·本文的组织结构 | 第26-28页 |
| 第2章 Deep Web实体搜索机制 | 第28-40页 |
| ·传统搜索技术 | 第28-31页 |
| ·传统搜索技术的工作原理 | 第28-29页 |
| ·传统搜索技术的局限性 | 第29-31页 |
| ·垂直搜索技术 | 第31-33页 |
| ·垂直搜索的定义和特点 | 第31-32页 |
| ·与传统搜索技术的比较 | 第32-33页 |
| ·Deep Web实体搜索机制 | 第33-39页 |
| ·DWESM的层次模型 | 第33-36页 |
| ·结果数据处理的流程 | 第36-38页 |
| ·DWESM的优势 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 基于语义及统计分析的关联知识构建 | 第40-64页 |
| ·引言 | 第40-42页 |
| ·SS-KCM的模型 | 第42-44页 |
| ·文本匹配模型 | 第44-45页 |
| ·语义分析模型 | 第45-49页 |
| ·语义关联规则的挖掘 | 第45-47页 |
| ·实体关联图 | 第47-48页 |
| ·最佳路径选取 | 第48-49页 |
| ·关联强度的计算 | 第49页 |
| ·分组统计模型 | 第49-51页 |
| ·约束规则的定义 | 第49-50页 |
| ·基于统计分析树的实体重组 | 第50-51页 |
| ·三段式逐步求精算法 | 第51-54页 |
| ·TGR算法描述 | 第52-54页 |
| ·算法性能分析 | 第54页 |
| ·关联知识的维护与应用 | 第54-58页 |
| ·自适应的知识维护策略 | 第54-56页 |
| ·实体关联知识的应用 | 第56-58页 |
| ·实验测试与分析 | 第58-62页 |
| ·测试平台及数据集 | 第58-59页 |
| ·性能指标 | 第59页 |
| ·实验结果 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第4章 基于DOM树的自动实体抽取策略 | 第64-82页 |
| ·引言 | 第64-65页 |
| ·D-EEM的模型 | 第65-66页 |
| ·网页预处理 | 第66-67页 |
| ·数据区域定位 | 第67-69页 |
| ·聚集度的计算 | 第67-68页 |
| ·数据区域定位算法 | 第68-69页 |
| ·实体区域定位 | 第69-74页 |
| ·DOM树化简 | 第70页 |
| ·最佳频繁子树挖掘 | 第70-72页 |
| ·实体区域定位算法 | 第72-74页 |
| ·语义标注 | 第74-76页 |
| ·抽取规则的表示 | 第74-75页 |
| ·语义标注方法 | 第75-76页 |
| ·实验测试与分析 | 第76-79页 |
| ·测试平台及数据集 | 第76-77页 |
| ·执行代价 | 第77页 |
| ·抽取性能评估 | 第77-79页 |
| ·本章小结 | 第79-82页 |
| 第5章 局部与全局评估相结合的实体评估策略 | 第82-100页 |
| ·引言 | 第82-84页 |
| ·LG-ERM总体介绍 | 第84-86页 |
| ·影响因素分析 | 第84-85页 |
| ·LG-ERM的模型 | 第85-86页 |
| ·查询预处理 | 第86-89页 |
| ·实体类型映射 | 第86-88页 |
| ·查询重写 | 第88-89页 |
| ·局部评估 | 第89-93页 |
| ·基于概率的实体类型匹配 | 第90页 |
| ·基于视效的实体评估 | 第90-92页 |
| ·基于PageRank的Web源评估 | 第92-93页 |
| ·全局评估 | 第93-94页 |
| ·局部与全局评估相结合的实体评估算法 | 第94-96页 |
| ·实验测试与分析 | 第96-98页 |
| ·测试平台及数据集 | 第96页 |
| ·执行代价 | 第96-97页 |
| ·性能比较 | 第97-98页 |
| ·本章小结 | 第98-100页 |
| 第6章 基于多相似度估算器的实体去重模型 | 第100-114页 |
| ·引言 | 第100-101页 |
| ·实体去重模型 | 第101-102页 |
| ·多相似度估算器 | 第102-107页 |
| ·多相似度估算器的优势 | 第102页 |
| ·多相似度估算器的构成 | 第102-107页 |
| ·重复实体记录的识别策略 | 第107-111页 |
| ·实体记录相似度的衡量 | 第107-108页 |
| ·不确定重复记录的处理 | 第108页 |
| ·重复记录集生成算法 | 第108-111页 |
| ·实验测试与分析 | 第111-113页 |
| ·测试平台及数据集 | 第111页 |
| ·性能比较 | 第111-113页 |
| ·本章小结 | 第113-114页 |
| 第7章 DWESM原型系统的设计与实现 | 第114-126页 |
| ·引言 | 第114页 |
| ·DWESM的系统设计 | 第114-118页 |
| ·系统设计目标 | 第114-115页 |
| ·系统体系结构设计 | 第115-116页 |
| ·功能模块介绍 | 第116-118页 |
| ·DWESM的系统实现 | 第118-125页 |
| ·系统开发环境 | 第118-119页 |
| ·关联知识生成器的实现 | 第119-120页 |
| ·抽取规则生成器的实现 | 第120-122页 |
| ·实体评估器的实现 | 第122-124页 |
| ·实体去重器的实现 | 第124-125页 |
| ·本章小结 | 第125-126页 |
| 第8章 结论 | 第126-128页 |
| ·本文的主要贡献与结论 | 第126-127页 |
| ·进一步的工作 | 第127-128页 |
| 参考文献 | 第128-136页 |
| 致谢 | 第136-138页 |
| 攻博期间发表的论文 | 第138-140页 |
| 攻博期间参与的项目 | 第140-142页 |
| 作者简介 | 第142页 |
