论文部分内容阅读
为从海量深网中获得有价值的信息，提出一种深网数据源质量估计模型，综合考虑接口查询能力、接口页面质量和服务质量3方面因素，采用SVM和Ranking SVM机器学习方法得到质量估计函数。实验结果表明，该估计函数得到的数据源质量排序序列和人工排序序列的Kendall＇s τ距离超过0．5，且获得较高的精度。