基于本體的Deep Web信息集成關鍵技術研究.pdf

1、隨著萬維網(wǎng)（WWW）的飛速發(fā)展，Web尤其是Deep Web蘊含了各種各樣的海量高價值信息，并且仍在以驚人的速度增長。Deep Web上的信息具有異構性、自治性和動態(tài)性等特點，這些特點決定了傳統(tǒng)結構化信息集成方法已不能滿足人們的需求。為了方便用戶快捷準確的使用Deep Web中高價值信息，基于本體的Deep Web信息集成研究已成為一個非常迫切的問題，具有重要理論意義和廣闊應用前景。 在對Deep Web信息集成的研究現(xiàn)狀和發(fā)展

2、趨勢進行了深入的分析后。在課題組前期工作的基礎上，提出了一種基于本體的Deep Web信息集成方案。該方案包括面向Deep Web不確定知識表示的動態(tài)模糊描述邏輯方法、基于最大熵和本體的數(shù)據(jù)源發(fā)現(xiàn)技術、基于質量估計模型的數(shù)據(jù)源選擇方法、以及基于多數(shù)據(jù)源同步標注的信息抽取和Deep Web語義集成中模糊性本體映射方法等內容。本文的主要研究工作和取得的創(chuàng)新成果包括： （1）一個完整、準確的本體是基于本體的Deep Web信息集成的必

3、要前提。本文根據(jù)Deep Web特征半自動構建了Deep Web領域本體，并針對Deep Web本體學習和本體映射過程中存在不確定性知識表示問題，提出了一種面向Deep Web不確定知識表示的動態(tài)模糊描述邏輯方法（DFDLs），該方法彌補了傳統(tǒng)描述邏輯方法對不確定性知識表示的不足。 （2）針對Deep Web數(shù)據(jù)源的動態(tài)性和稀疏分布的特征，提出了一種基于最大熵分類器和領域本體的Deep Web數(shù)據(jù)源發(fā)現(xiàn)方法，該方法首先通過最大熵

4、分類器進行Deep Web查詢接口自動判定，然后利用基于本體的Deep Web聚焦爬蟲發(fā)現(xiàn)Deep Web數(shù)據(jù)源，該方法使得聚焦爬蟲聚焦訪問那些可能鏈接到Deep Web入口頁面的鏈接，從而避免訪問下載不必要的頁面。 （3）通過服務質量可以評價Deep Web數(shù)據(jù)源的優(yōu)劣，本文提出了一個基于領域本體的Deep Web數(shù)據(jù)源質量估計模型，并將其應用于Deep Web數(shù)據(jù)源選擇過程中。采用此模型能夠選取最符合用戶需求的數(shù)據(jù)源，達到查

5、詢代價更少，效率更高的要求。 （4）針對信息抽取過程中存在接口模式和結果模式缺失的問題，提出了一種多數(shù)據(jù)源間的同步標注方法。從一組Deep Web接口模式和結果模式中高效地學習領域本體知識，通過對本體的實例查詢可實現(xiàn)多數(shù)據(jù)源間的同步標注。并成功應用此方法于Deep Web復雜結果頁面抽取過程中。 （5）針對基于本體的Deep Web信息集成過程中存在的不確定性模式匹配問題，將模式匹配問題轉化為本體映射問題，提出了一個模糊

6、性本體映射框架。在此框架中，運用了多個本體映射策略，從不同方面多個角度對本體特征進行描述，盡可能的發(fā)掘可能存在的映射關系，從模糊性角度表述映射過程。該方法為基于本體的Deep Web信息集成提供了一種有效和通用的自動映射策略。 （6）Deep Web語義集成原型系統(tǒng)設計，本文根據(jù)所研究的關鍵技術和實際應用需求，設計并實現(xiàn)了一個Deep Web語義集成原型系統(tǒng)，該原型系統(tǒng)具有數(shù)據(jù)源發(fā)現(xiàn)、數(shù)據(jù)源選擇、信息抽取和語義集成等功能。實際應