文献类型：会议

作者单位：吉林大学计算机科学与技术学院,长春,130012 教育部符号计算与知识工程重点实验室长春工程学院软件学院,长春,130012

会议文献：第六届全国信息检索学术会议论文集

会议名称：第六届全国信息检索学术会议

会议日期：2010年8月12日

会议地点：黑龙江镜泊湖

主办单位：中国中文信息学会

语　　种：中文

摘　　要：DEEP WEB入口发现是DEEP WEB数据集成的关键问题之一，本文应用主题爬行技术和本体技术，构造网页分类器(WPC)、表单结构分类器(FSC)和表单内容分类器(FCC)，实现特定领域DEEP WEB入口表 单的自动发现。网页分类器在爬行过程中，借助主题爬行技术和本体技术进行领域内网页主题爬行；表单结构分类器对领域相关网页进行解析，并应用决策树算法判断其网页中是否存在查询接口表单，去除非搜索表单，将满足条件的表单加入表单数据库；表单内容分类器从语义方面识别特定领域DEEP WEB数据库入口的查询表单。最后将领域查询接口所在网页的URL 地址存储到数据库中，供其它模块调用。实验结果表明，本文提出的基于多分类器的DEEP WEB入口发现方法是可行的。

关 键 词：本体 主题爬行 决策树 DEEP WEB  

分 类 号：TP3[计算机类] ] TP1