Deep Web数据集成查询结果抽取与整合关键技术研究

基金项目类型：

国家自然科学基金

基金项目编号：

61100167

来源网站：

国家自然科学基金委员会

来源网址：

http://www.nsfc.gov.cn/

负责人：

董永权

完成单位：

江苏师范大学

中文关键词：

Deep Web数据集成; Web数据抽取; Web数据语义标注; 重复记录检测; Deep Web爬取;

其他语种关键词：

Deep Web Data Integration; Web Data Extraction; Web Data Semantic Annotation; Duplicate Record Detection; Deep Web Crawling

项目类型：

青年科学基金项目

语种：

中文

开始日期：

2012-01-01

结束日期：

2014-12-31

中文摘要：

Web可分为Surface Web和Deep Web。Deep Web数据量大、主题专一、数据质量高，其价值远远超过了Surface Web，然而传统的搜索引擎搜索不出这部分数据。为了方便用户高效使用Deep Web数据，大规模Deep Web数据集成的研究已成为一个非常迫切的问题。查询结果的抽取与整合是Deep Web数据集成中的重要环节，存在着许多困难和挑战。本项目拟探讨其中最为核心的三个关键技术：研究查询结果页面抽取技术，充分利用页面的结构特征和内容特征，实现结构化数据的自动抽取;研究查询结果数据语义标注技术，充分利用Web数据元素之间的逻辑约束关系，提高语义标注的准确性，并实现多数据源数据模式的一致性;研究大规模重复记录检测技术，构建领域层次的重复记录检测模型，实现同一领域大规模Web数据库之间自动的重复记录检测。项目成果预期将在商业智能、企业搜索、情报分析等系统中。