文献类型：期刊文章

作　　者：郑冬冬[1] 赵朋朋[1] 崔志明[1]

机构地区：[1]苏州大学计算机科学与技术系,苏州215006

出　　处：《清华大学学报（自然科学版）》

基　　金：Deep Web关键技术研究

年　　份：2005

卷　　号：45

期　　号：S1

起止页码：1896-1902

语　　种：中文

收录情况：AJ、AMR、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：随着W eb的发展,越来越多的数据可以通过表单提交来获取,这些表单提交所产生信息是由D eep W eb后台数据库动态产生的。在这种情况下,信息集成就更加需要W eb爬虫来自动获取这些页面以进一步地处理数据。为了帮助用户完成这样的任务,提出一种用于搜集D eep W eb页面的爬虫的设计方法。此方法使用一个预定义的领域本体知识库来识别这些页面的内容,同时利用一些来自W eb站点的导航模式来识别自动填写表单时所需进行的路径导航。通过对来自不同领域的D eep W eb站点的大量实验,验证了此方法是非常有效的。

关 键 词：DEEPWEB 导航模式  领域本体知识库  爬虫

分 类 号：TP393.09]