| 摘要 | 第1-16页 |
| ABSTRACT | 第16-20页 |
| 第1章 绪论 | 第20-31页 |
| ·研究背景及意义 | 第20-22页 |
| ·Deep Web数据获取面临的问题 | 第22-23页 |
| ·研究内容及贡献 | 第23-29页 |
| ·研究环境 | 第23-26页 |
| ·研究内容 | 第26-27页 |
| ·本文贡献 | 第27-29页 |
| ·组织结构 | 第29-31页 |
| 第2章 Deep Web数据获取相关研究 | 第31-40页 |
| ·引言 | 第31页 |
| ·Deep Web数据获取 | 第31-33页 |
| ·Deep Web数据源发现 | 第33-35页 |
| ·Deep Web数据源采样 | 第35-36页 |
| ·Deep Web数据源评估 | 第36-37页 |
| ·Deep Web数据爬取 | 第37-38页 |
| ·小结 | 第38-40页 |
| 第3章 基于集成学习的Deep Web查询接口判定方法 | 第40-58页 |
| ·引言 | 第40-43页 |
| ·查询接口判定 | 第43-44页 |
| ·基于集成学习查询接口判定 | 第44-53页 |
| ·Deep Web查询接口判定算法描述 | 第46-48页 |
| ·决策树分类器的规则及特征提取 | 第48-50页 |
| ·SVM分类器的训练集获取及特征提取 | 第50-53页 |
| ·基于投票的集成方法 | 第53页 |
| ·实验 | 第53-57页 |
| ·数据集 | 第54页 |
| ·评价标准 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·与基于单学习器Deep Web查询接口判定算法比较 | 第55页 |
| ·不同底层学习器数量对Deep Web查询接口判定性能的影响 | 第55-56页 |
| ·不同阈值对Deep Web查询接口判定的影响 | 第56-57页 |
| ·小结 | 第57-58页 |
| 第4章 基于关键词选择模型的Deep Web数据源采样方法 | 第58-71页 |
| ·引言 | 第58-59页 |
| ·Deep Web数据源采样 | 第59-62页 |
| ·查询接口属性分类 | 第61页 |
| ·样本偏差定义 | 第61-62页 |
| ·随机漫步算法 | 第62-63页 |
| ·基于关键词选择模型的采样方法 | 第63-68页 |
| ·初始化集合 | 第65页 |
| ·选择查询值 | 第65-66页 |
| ·更新属性值集合 | 第66页 |
| ·终止条件 | 第66页 |
| ·样本偏差的校正 | 第66页 |
| ·算法描述 | 第66-68页 |
| ·实验 | 第68-69页 |
| ·数据集 | 第68页 |
| ·评价标准 | 第68页 |
| ·实验结果及分析 | 第68-69页 |
| ·样本质量分析 | 第68-69页 |
| ·采样代价分析 | 第69页 |
| ·小结 | 第69-71页 |
| 第5章 基于多目标决策理论的Deep Web数据源评估方法 | 第71-87页 |
| ·引言 | 第71-72页 |
| ·质量评估模型 | 第72页 |
| ·Deep Web数据源质量评估 | 第72-83页 |
| ·质量评估因素选择 | 第73-76页 |
| ·质量评估体系及评估算法 | 第76-77页 |
| ·评估值量化方法 | 第77-81页 |
| ·评估因素权重计算方法 | 第81-83页 |
| ·评估结果排序 | 第83页 |
| ·实验 | 第83-86页 |
| ·数据集 | 第83页 |
| ·评价标准 | 第83-84页 |
| ·实验结果与分析 | 第84-86页 |
| ·基于多目标决策理论的Deep Web数据源评估模型性能测试 | 第84页 |
| ·与已有Deep Web数据源评估算法的性能比较 | 第84-85页 |
| ·不同领域Deep Web数据源评估因素权重分析 | 第85-86页 |
| ·小结 | 第86-87页 |
| 第6章 基于属性高频字图模型的Deep Web数据爬取 | 第87-106页 |
| ·引言 | 第87-89页 |
| ·Deep Web数据爬取 | 第89-91页 |
| ·一种属性高频字的图模型 | 第91-95页 |
| ·属性高频字覆盖率图模型定义 | 第91-93页 |
| ·HP(w_i,DB)估算方法 | 第93-95页 |
| ·估算|R(w_i,DB)| | 第93页 |
| ·估算|R(w_i,DB_(local))|/|R(w_i,DB)| | 第93-95页 |
| ·Deep Web数据爬取算法 | 第95-99页 |
| ·爬取流程 | 第95-96页 |
| ·爬取准备工作 | 第96-97页 |
| ·采样数据库获取 | 第96页 |
| ·属性高频字列表及覆盖率图统计 | 第96-97页 |
| ·数据页面爬取 | 第97-99页 |
| ·实验 | 第99-105页 |
| ·数据集 | 第99-100页 |
| ·评价标准 | 第100页 |
| ·实验结果与分析 | 第100-105页 |
| ·与已有中文Deep Web数据爬取算法的性能比较 | 第100-101页 |
| ·同一领域Deep Web数据爬取性能分析 | 第101-102页 |
| ·不同采样数量性能对比 | 第102-103页 |
| ·不同阈值对Deep Web数据爬取覆盖率的影响 | 第103-105页 |
| ·小结 | 第105-106页 |
| 第7章 Deep Web数据获取原型系统 | 第106-111页 |
| ·引言 | 第106页 |
| ·MI-WDIS整体架构 | 第106-108页 |
| ·Deep Web数据获取工作流程 | 第108-109页 |
| ·小结 | 第109-111页 |
| 第8章 总结与展望 | 第111-114页 |
| ·总结 | 第111-112页 |
| ·展望 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 致谢 | 第124-125页 |
| 攻读学位期间发表的学术论文目录 | 第125-127页 |
| 攻读学位期间参与科研项目情况 | 第127-128页 |
| 攻读学位期间获奖情况 | 第128-130页 |
| 学位论文评阅及答辩情况表 | 第130-132页 |
| 外文论文 | 第132-152页 |
