【作者】 赵朋朋； 高岭； 崔志明；

【Author】 ZHAO Peng-peng, GAO Ling, CUI Zhi-ming (The Institute of Intelligent Information Processing and Application, Suzhou University, Suzhou 215006 China)

【机构】 苏州大学智能信息处理及应用研究所；

【摘要】 搜索引擎可以很好地搜索出大部分可索引页面,然而,Internet上有大量的页面是由后台数据库动态产生的,传统的搜索引擎搜索不出这部分页面,我们称之为Deep Web。其中大部分Deep Web是结构化的,它提供结构化的查询接口和结构化的结果。把这些结构化的Deep Web数据源按所属领域进行组织可以方便用户浏览这些有价值的资源,并且这也是大规模Deep Web集成搜索的一个关键步骤。提出了一种基于查询接口特征的Deep Web 数据源自动分类方法,并通过实验验证该方法是非常有效的。更多还原

【Abstract】 Web search engines work well for finding crawlable pages, but not for finding datasets hidden behind Web search forms. On this deep Web, many sources are structured by providing structured query interfaces and results. Organizing such structured sources into a domain hierarchy that users can browse to find these valuable resources and is one of the critical steps toward the large-scale integration of heterogeneous Deep Web sources. We propose a Automatic Classification of Structured Deep Web Sources based on the features available on the search interfaces. Our experimental results indicate that this approach can achieve good results.更多还原