论文部分内容阅读
随着在线结构化数据库的出现,与日俱增的要求大规模的信息集成,对于不同的领域,网络上存在着大量的并且不断更新的数据资源。那么,要有效地,系统地访问这些数据就需要处理庞大的数据资源,显然,大规模的信息综合需要更加自动化和精确的托管。对于每一个新增数据源,都将自动产生一个网络数据包装器对其进行处理。而现有的技术并不完善。本文将提出一种方法来改进现有的网络数据提取算法.互联网的发展到今天,Deep Web提供了大量的动态信息。在对这些数据的抽取和进行上下文相关的数据包装的过程中,遇到了诸多的问题。我们这里关注三个问题:1.大量的同等数据资源如何被应用于提高一个web数据包装器的准确率。2.多个平行的网络数据包装器怎样被应用于加强web数据包装的准确率。3.对现有的同步web数据抽取方法进行怎样的改进以加强web数据包装的准确率和算法效率。这些问题看起来没有什么联系,实际上根源都在于web数据的包装缺乏上下文相关性。目前的包装器只针对其中的一个数据资源进行包装,在对于内容的处理上缺乏多个同等资源的一致性和域规则的一致性。本文将提出一种基于遗传算法的web数据同步抽取算法,来产生一个上下文相关的Web数据包装器,能够利用多个同等数据资源和域规则找到更加精确的匹配。它能够利用上下文相关性对同等数据资源的待处理内容找到协同一致的匹配。我们将利用遗传算法来制造一个螺旋解码机制,建立各个平行包装器之间的联系。本文的主要工作在于:1.对Deep Web在线结构化数据库的信息抽取以及Web数据包装器进行深入的研究,并提出一种基于上下文相关性的包装。2.应用遗传算法给出一种Web数据同步抽取的算法来实现螺旋解码的上下文相关性包装。3.算法利用多个同等数据源和平行数据包装器以及域规则实现了上下文相关性数据包装,提高了包装器的抽数据取精确度。本文工作的意义是应用遗传算法给出了实现上下文相关性Web数据包装的一套完整方案,具体体现在以下方面:利用大量的同等数据资源提高了一个web数据包装器的准确率。利用多个平行的网络数据包装器加强了web数据包装的准确率。应用遗传算法改进了Web数据同步抽取的方法,提高了算法的效率。