基于循环策略和动态知识的deep Web数据获取方法

TP392; 针对目前deep Web数据集成在数据获取方面存在代价大和查询选择效率低等问题,提出了一种基于循环策略和动态知识的deep Web数据获取方法,该方法根据同领域数据源之间的关联关系,提出使用循环策略分多次完成数据源的数据获取,同时利用集成系统已获取的数据动态构建知识,并设计了基于集成系统动态知识的查询选择方法.与现有方法比较该方法能降低数据获取的代价,提高查询选择的准确性.实验结果表明,该方法有效地提高了deep Web数据集成的数据获取效率....

Full description

Saved in:
Bibliographic Details
Published in通信学报 no. 10; pp. 35 - 43
Main Authors 鲜学丰, 崔志明, 赵朋朋, 梁颖红, 方立刚
Format Journal Article
LanguageChinese
Published 苏州大学 智能信息处理及应用研究所,江苏 苏州 215006%江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏 苏州 215104%苏州市职业大学,江苏 苏州 215000 2012
Subjects
Online AccessGet full text
ISSN1000-436X
DOI10.3969/j.issn.1000-436X.2012.10.005

Cover

More Information
Summary:TP392; 针对目前deep Web数据集成在数据获取方面存在代价大和查询选择效率低等问题,提出了一种基于循环策略和动态知识的deep Web数据获取方法,该方法根据同领域数据源之间的关联关系,提出使用循环策略分多次完成数据源的数据获取,同时利用集成系统已获取的数据动态构建知识,并设计了基于集成系统动态知识的查询选择方法.与现有方法比较该方法能降低数据获取的代价,提高查询选择的准确性.实验结果表明,该方法有效地提高了deep Web数据集成的数据获取效率.
ISSN:1000-436X
DOI:10.3969/j.issn.1000-436X.2012.10.005