Research of Extracting Data from HTML Web Pages Automatically

In order to use data information in the Internet,it is necessary to extract data from web pages.An HTT tree model representing HTML pages is presented. Based on the HTT model, a wrapper generationalgorithm AGW is proposed. The AGW algorithm utilizes comparing and correcting technique to generate thewrapper with the native characteristic of the HTT tree structure. The AGW algorithm can not only generate thewrapper automatically, but also rebuild the data schema easily and reduce the complexity of the computing.     

集团企业MIS系统的集成技术

本文论述我国集团型企业MIS系统集成的关键技术，以内蒙准格尔煤炭工业公司的ZMIS为对象，讲述了集团企业多个LAN的集成，计算机网与通信系统的集成，不同业务范围的MIS集成，异构特性的MIS集成，以及如何达到集成的MIS的高可靠性。     

基于ASP支持的COM组件技术实现异构数据库联合使用

论述了目前流行的一种Web应用开发技术——ASP,应用ASP对COM组件的支持,实现了异构数据库的联合使用。该系统的实现也为电子商务中广泛应用的异构信息源集成提供了关键技术支持。     

基于定制时间约束的正负时态关联规则挖掘

传统关联规则挖掘是在整个事务数据库的时间范围内进行的,但有时用户想得到某一特定时间范围(如商品的促销阶段)内的关联规则,该文对这一问题进行了详细讨论,提出了基于定制时间的时态支持度、时态频繁项集、时态置信度、时态关联规则等概念,在传统Apriori算法的基础上提出了挖掘时态频繁项集的算法。另一方面,讨论了当同时考虑正、负关联规则出现的矛盾规则问题以及用相关性解决这一问题的方法,提出了挖掘正负时态关联规则的算法,实例说明了算法的执行过程及有效性。     

基于搜索引擎的知识发现

数据挖掘一般用于高度结构化的大型数据库,以发现其中所蕴含的知识。随着在线文本的增多,其中所蕴含的知识也越来越丰富,但是,它们却难以被分析利用。因而,研究一套行之有效的方案发现文本中所蕴含的知识是非常重要的,也是当前重要的研究课题。该文利用搜索引擎Google获取相关Web页面,进行过滤和清洗后得到相关文本,然后,进行文本聚类,利用Episode进行事件识别和信息抽取,数据集成及数据挖掘,从而实现知识发现。最后给出了原型系统,对知识发现进行实践检验,收到了很好的效果。     

Service Model for Multi-Provider IP Service Management

In order to solve the problems associated with Internet IP services management, a generic service model for multi-provider IP service management is proposed, which is based on a generalization of the bandwidth broker idea introduced in the differentiated services (DiffServ) environment. This model consists of a hierarchy of service brokers, which makes it fit into providing end-to-end Internet services with QoS support. A simple and scalable mechanism is used to communicate with other cooperative domains to enable customers to dynamically setup services connections over multiple DiffServ domains. The simulation results show that the proposed model is real-time, which can deal with many flow requests in a short period of time, so that it is fit for the service management in a reasonably large network.     

二次信息过滤中的分类算法研究与应用

二次信息过滤是根据搜索引擎返回的网页,对过滤结果进行理解、分析并进一步过滤,以使结果优化。二次过滤中的样本分类处理中,通过对基于Bayesian算法的网页识别技术的研究,探讨了基于改进的Bayesian算法的网页识别技术,用于对二次过滤中的整篇文档进行进一步的分析以提高过滤效果。     

区分服务网络中立即保留请求的接纳控制

区分服务网络中的资源保留可以分为2类：立即保留和预先保留。当已接纳的预先保留请求开始连接时,一些立即保留连接可能会因带宽不足而被中断。只有当立即保留请求的近似中断概率（实时计算得到）低于某个门限值时,该立即保留请求才被接纳。以往计算立即保留请求的中断概率,皆假设预先保留请求会在预定时间准时建立连接,但一般用户可能提前或延后建立其预定的连接。因此在允许预先保留请求提前或延后建立连接的环境下,提出了一个更准确地评估其立即保留连接中断概率的非准时连接近似法和其接纳控制方法。实验结果证实该方法可以更准确地计算立即保留连接的中断概率,降低其实际中断情况的发生,确保其所要求的服务质量。     

数字图书馆网格互操作框架

随着全球数字图书馆(DLs)的迅猛发展,互操作成为亟待解决的重要问题。目前DLs互操作的主要解决方案包括:分布式搜索、元数据收集、中间件技术等,在实现大规模的数字图书馆互操作方面都存在一定的局限性。文章通过对已有方案的分析和对比,指出各自的优势和不足,并在OAI-PMH框架的基础上,结合先进的网格技术,提出全新的数字图书馆互操作框架—数字图书馆网格DLGrid,为解决大规模数字图书馆的互操作提供一种新途径。