| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引 言 | 第8-15页 |
| 1.1 Deep Web | 第8页 |
| 1.2 Deep Web 数据集成系统 | 第8-10页 |
| 1.3 Deep Web 接口识别 | 第10-12页 |
| 1.3.1 接口识别的必要性 | 第10页 |
| 1.3.2 接口的特征信息 | 第10页 |
| 1.3.3 接口识别相关问题 | 第10-12页 |
| 1.4 Deep Web 接口的分类 | 第12-13页 |
| 1.4.1 接口分类的目的 | 第12-13页 |
| 1.4.2 接口分类相关问题 | 第13页 |
| 1.5 主要研究工作和内容安排 | 第13-15页 |
| 第2章 相关工作 | 第15-21页 |
| 2.1 Deep Web 接口识别研究现状 | 第15-18页 |
| 2.1.1 接口信息处理的一般方法 | 第16页 |
| 2.1.2 DeepWeb 接口识别的著名原型算法 | 第16-18页 |
| 2.2 Deep Web 接口识别重点及难点 | 第18-19页 |
| 2.3 Deep Web 接口分类的研究现状 | 第19-20页 |
| 2.4 Deep Web 接口分类方法存在的不足 | 第20-21页 |
| 第3章 DEEP WEB 接口识别策略 | 第21-28页 |
| 3.1 基于二维切割的接口识别算法 | 第21-28页 |
| 3.1.1 接口特征信息的二维化处理 | 第21-23页 |
| 3.1.2 特征信息的识别 | 第23-28页 |
| 第4章 DEEP WEB 接口分类策略 | 第28-33页 |
| 4.1 基于贝叶斯的优化分类器 | 第28-32页 |
| 4.1.1 分类器的结构 | 第28页 |
| 4.1.2 分类器的形成 | 第28-30页 |
| 4.1.3 分类器的自学习 | 第30-32页 |
| 4.2 应用BayesOpt 进行分类 | 第32-33页 |
| 第5章 实验测试与分析 | 第33-41页 |
| 5.1 测试数据集 | 第33-34页 |
| 5.1.1 TEL-8 数据集 | 第33页 |
| 5.1.2 随机数据集 | 第33-34页 |
| 5.1.3 合成数据集 | 第34页 |
| 5.2 SortIden 算法有效性 | 第34-36页 |
| 5.3 CuttingIden 算法有效性 | 第36-37页 |
| 5.4 SortIden 算法与CuttingIden 算法对比 | 第37-39页 |
| 5.5 BayasAdapt 算法有效性 | 第39-41页 |
| 结束语 | 第41-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48页 |