增量式Deep Web数据获取技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·本文组织 | 第15-17页 |
| 第二章 数据获取技术综述 | 第17-27页 |
| ·Deep Web 信息集成架构 | 第17-19页 |
| ·相关研究工作 | 第19-21页 |
| ·Deep Web 数据源发现与分类技术研究现状 | 第19页 |
| ·Deep Web 数据标注技术研究现状 | 第19-20页 |
| ·Deep Web 增量获取技术研究现状 | 第20-21页 |
| ·传统搜索引擎的数据获取方法 | 第21-23页 |
| ·传统Web 爬虫的工作流程 | 第21-22页 |
| ·传统Web 爬虫的搜索策略 | 第22页 |
| ·传统Web 爬虫的更新方式 | 第22-23页 |
| ·传统搜索引擎在Deep Web 领域的不足 | 第23-24页 |
| ·Deep Web 中的数据获取技术 | 第24-26页 |
| ·基于URL 的Deep Web 数据获取方式 | 第24页 |
| ·基于查询词的Deep Web 数据获取方式 | 第24-25页 |
| ·Deep Web 的增量获取方式 | 第25页 |
| ·Deep Web 数据获取中的关键问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 Deep Web 数据源发现及分类方法 | 第27-40页 |
| ·数据源发现 | 第27-29页 |
| ·表单聚焦爬虫 | 第27-29页 |
| ·数据源判定 | 第29-30页 |
| ·数据源分类 | 第30-36页 |
| ·特征提取 | 第32-34页 |
| ·数据源分类方法 | 第34-36页 |
| ·知识库的建立 | 第34-35页 |
| ·分类算法 | 第35-36页 |
| ·实验 | 第36-39页 |
| ·查询词与检索结果的相关性验证 | 第36-38页 |
| ·数据源判定验证 | 第38页 |
| ·数据源分类方法验证 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 数据抽取与标注 | 第40-52页 |
| ·引言 | 第40页 |
| ·Web 记录的抽取 | 第40-43页 |
| ·数据标注模型 | 第43-47页 |
| ·线性链条件随机场 | 第43-44页 |
| ·混合条件随机场 | 第44-45页 |
| ·二维混合条件随机场 | 第45-47页 |
| ·数据标注 | 第47页 |
| ·对包含数据记录的文本块建模 | 第47-49页 |
| ·实验 | 第49-51页 |
| ·实验数据 | 第49页 |
| ·评价标准 | 第49-50页 |
| ·实验结果及效率分析 | 第50-51页 |
| ·结论 | 第51-52页 |
| 第五章 Deep Web 数据增量获取策略 | 第52-68页 |
| ·概述 | 第52-53页 |
| ·Deep Web 数据源的变化频率研究 | 第53-54页 |
| ·数据变化模型 | 第54-55页 |
| ·Deep Web 表单提交 | 第55-57页 |
| ·查询词选择 | 第56-57页 |
| ·增量获取 | 第57-66页 |
| ·评价指标 | 第57-59页 |
| ·WDB 建模 | 第59-60页 |
| ·朴素的增量获取策略 | 第60-61页 |
| ·基于采样的增量获取策略 | 第61-66页 |
| ·采样的代价 | 第61页 |
| ·资源分配策略 | 第61-62页 |
| ·样本选取 | 第62页 |
| ·样本数量与效率 | 第62-64页 |
| ·自动调整样本数量 | 第64-65页 |
| ·基于查询词的资源分配策略 | 第65-66页 |
| ·实验 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-71页 |
| ·工作总结 | 第68-69页 |
| ·特色与创新 | 第69-70页 |
| ·工作展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 攻读学位期间公开发表的论文与科研项目 | 第78-79页 |
| 致谢 | 第79-80页 |
