| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 Deep Web数据集成系统的研究现状 | 第7-9页 |
| 1.3 本文研究内容 | 第9-10页 |
| 1.4 论文组织结构 | 第10-11页 |
| 第2章 Deep Web数据源选择的研究现状 | 第11-18页 |
| 2.1 引言 | 第11页 |
| 2.2 本文中相关知识介绍 | 第11-12页 |
| 2.3 Deep Web数据源选择现状分析 | 第12-14页 |
| 2.4 Deep Web数据源采样研究现状及分析 | 第14-17页 |
| 2.4.1 基于图模型的Web数据库采样方法 | 第14-15页 |
| 2.4.2 HIDDEN-DB-SAMPLER | 第15-17页 |
| 2.4.3 其他相关采样方法 | 第17页 |
| 2.5 本章小结 | 第17-18页 |
| 第3章 Deep Web数据源的采样方法研究与改进 | 第18-33页 |
| 3.1 引言 | 第18页 |
| 3.2 采样方法中关键字属性的引入及分类属性的树形化 | 第18-26页 |
| 3.2.1 相关符号定义 | 第18-19页 |
| 3.2.2 接.属性类型 | 第19-21页 |
| 3.2.3 原始随机漫步采样方法 | 第21页 |
| 3.2.4 扩展关键字的属性分类改进方法 | 第21-23页 |
| 3.2.5 分类属性的树形化改进方法 | 第23-26页 |
| 3.3 随机漫步算法的改进 | 第26-30页 |
| 3.3.1 算法分析与改进 | 第26-27页 |
| 3.3.2 终止条件 | 第27-28页 |
| 3.3.3 改进后的随机漫步算法设计 | 第28-30页 |
| 3.4 采样方法评价体系 | 第30-32页 |
| 3.4.1 基于相似度的采样质量评价 | 第30-31页 |
| 3.4.2 采样效率 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 数据源的选择 | 第33-39页 |
| 4.1 引言 | 第33页 |
| 4.2 Deep Web数据源的评估 | 第33-37页 |
| 4.2.1 质量评估指标 | 第33-34页 |
| 4.2.2 评估指标的量化 | 第34-37页 |
| 4.3 数据源排序选择 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 实验与分析 | 第39-44页 |
| 5.1 实验数据集 | 第39-40页 |
| 5.2 采样实验 | 第40-41页 |
| 5.3 数据源排序选择实验 | 第41-43页 |
| 5.3.1 数据源质量评价实验结果与分析 | 第42-43页 |
| 5.3.2 数据源排序选择的实验结果与分析 | 第43页 |
| 5.4 实验小结 | 第43-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 总结 | 第44页 |
| 6.2 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-51页 |
| 附件 | 第51页 |