Deep Web数据源质量估计模型及应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 引言 | 第10-14页 |
| ·问题的提出 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容 | 第12-13页 |
| ·结构安排 | 第13-14页 |
| 第2章 研究背景 | 第14-22页 |
| ·对中国Deep Web资源的调查 | 第14-16页 |
| ·传统搜索引擎的组成与工作原理 | 第16-17页 |
| ·传统搜索引擎在Deep Web领域的不足 | 第17-19页 |
| ·Deep Web信息集成概述 | 第19-21页 |
| ·Deep Web信息集成框架 | 第19-21页 |
| ·Deep Web信息集成难点 | 第21页 |
| ·小结 | 第21-22页 |
| 第3章 Deep Web特征分析 | 第22-33页 |
| ·查询接口页面特征 | 第22-24页 |
| ·查询接口页面属性 | 第22-23页 |
| ·查询接口页面质量 | 第23-24页 |
| ·Deep Web服务特征 | 第24-26页 |
| ·服务质量的定义 | 第24-25页 |
| ·服务质量的计算 | 第25-26页 |
| ·Deep Web数据库特征 | 第26-32页 |
| ·数据库大小估算 | 第26-30页 |
| ·数据质量分析 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第4章 Deep Web数据源质量估计模型 | 第33-43页 |
| ·基于机器学习的质量估计模型 | 第33-37页 |
| ·支持向量机 | 第33-35页 |
| ·Ranking SVM | 第35-36页 |
| ·质量估计模型建立 | 第36-37页 |
| ·基于模糊综合评价的质量估计模型 | 第37-42页 |
| ·数据源质量指标特点分析 | 第37-38页 |
| ·质量估计模型的建立 | 第38-40页 |
| ·模糊综合表示方法 | 第40-41页 |
| ·综合模糊计算方法 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第5章 Deep Web数据源选择 | 第43-54页 |
| ·相关研究 | 第43-44页 |
| ·有质量保证的数据源选择框架 | 第44-46页 |
| ·查询相关性计算 | 第46-50页 |
| ·传统查询相关性思想 | 第46-47页 |
| ·基于语义扩展的相似度计算 | 第47-50页 |
| ·基于质量估计模型的查询质量计算 | 第50页 |
| ·基于重叠度的查询准确性计算 | 第50-51页 |
| ·基于用户反馈的数据源选择策略 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第6章 实验结果与分析 | 第54-61页 |
| ·实验准备 | 第54-55页 |
| ·质量估计模型实验 | 第55-57页 |
| ·Deep Web数据源选择算法实验 | 第57-60页 |
| ·扩展的基于谓词的查询相似度计算 | 第57-58页 |
| ·算法有效性验证 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间公开发表的学术论文和参加的科研项目 | 第68-69页 |
| 致谢 | 第69-70页 |
| 详细摘要 | 第70-72页 |
