智能WEB信息提取系统的研究和设计

XML业已成为WEB数据发布与交换的标准,包装器技术为数据挖掘提供了重要实现步骤,智能代理技术以其智能、代理特性在控制协调挖掘上起着重要作用。本文将这三项标准和技术进行有机结合,应用于WEB数据挖掘上,借助J2EE三层体系结构思想,给出了智能WEB信息提取实现方案,并简要阐述了该系统处理用户挖掘请求的流程,体现了该系统较强的智能理解和概括能力。     

针对主题挖掘的通用设计与性能评估框架的研究

本文不是设计一种新的主题挖掘机,而是借助分层思想,为每层赋予特定的任务,采用容器管理机制,提出了一种针对主题挖掘的通用设计框架,该设计框架旨在规范和指导主题挖掘机的研发设计步骤;同时提供了相应的评估框架,其中包括几个重要的评估参数,根据这些参数的实验值可以估量挖掘机的性能,以此推动高效挖掘机的研发设计。     

基于HTML模式代数的Web信息提取方法

高效地生成提取Web信息的包装器有着广阔的应用前景，同时也是至今没有得到有效解决的难题．为此，提出了基于HTML文档的模式代数，该代数包括一致模式集等重要概念以及模式的加法运算．在此基础上，提出了一种提取Web信息的新方法，该方法采用在整个训练例子中学习表示各属性提取规则的一致模式集，再由多个模式组成的一致模式集提取数据，适用于提取具有缺省属性、多值属性、属性具有多种不同顺序的袁结构网页和层次结构网页，其有效性在原型系统中通过实验得到验证．     

基于信任指数的对抗web垃圾页面方案研究

本文首先提出链接分析法中存在的垃圾页面问题并将其形式化描述出来;再从两个角度分别介绍了挑选种子页面集的思想;然后在改进现有PageRank算法的基础上提出了垃圾页面检测算法;同时给出了几个表征检测算法效率的性能指标,最后简要阐述了基于信任指数的对抗web垃圾页面方案。     

智能WEB信息提取系统的研究和设计

XML业已成为WEB数据发布与交换的标准,包装器技术为数据挖掘提供了重要实现步骤,智能代理技术以其智能、代理特性在控制协调挖掘上起着重要作用.本文将这三项标准和技术进行有机结合,应用于WEB数据挖掘上,借助J2EE三层体系结构思想,给出了智能WEB信息提取实现方案,并简要阐述了该系统处理用户挖掘请求的流程,体现了该系统较强的智能理解和概括能力.     

基于语义相似性的Web服务匹配算法

随着互联网应用的不断丰富,如何高效而准确地发现用户所需的Web服务已成为重要的挑战。传统基于关键字和语义匹配的方法存在查全率低和效率低下的问题,无法满足实际应用。提出基于语义相似性的服务匹配算法,实现了基于层次本体的概念相似性计算,并改进了原有二分图最优匹配算法的不足。根据该算法实现了一个Web服务发现原型系统。经实验证明,该方法不仅具有较高的查全率,且算法效率是满足目前服务发现需要的。     

QoS感知的高效抽象服务选择

云计算的蓬勃发展为Web服务带来了新的机遇和挑战.一方面是用户日益增长的服务需求,另一方面是互联网上大量功能相似、质量各异的具体服务,如何合理利用这些服务来满足大规模的用户需求成为一个亟待解决的问题.传统服务组合技术侧重于服务功能的扩展,并未考虑服务的非功能属性提升.本文根据抽象服务的概念,提出平衡遍历方法聚合具有相似功能的具体服务提升整体性能.这不仅满足了用户的规模化需求,而且提高了具体服务的利用率.此外,本文还针对服务的多维非功能属性,提出可扩展的skyline抽象服务选择算法,并通过一系列实验验证了所提出方法的有效性和可扩展性.     

基于概念松弛的高效Web服务查询方法

随着云计算技术的发展,面向服务的应用在互联网上呈现快速增长趋势,开放平台中基于云服务的组合服务也如雨后春笋般大量涌现,这给用户快速、精确定位所需服务带来了巨大挑战.尽管传统服务查询方法在查全率和查准率方面已取得较大进步,但仍无法适用于动态的互联网环境下大规模服务发现的要求.文章根据概念之间的语义关系,提出了基于概念松弛...     

代理端Web服务客户端构建技术研究与实现

提出了一种适用于服务代理端的服务代码生成与调用的新技术,以满足Web服务发展对Web服务代理端的功能提出的更多要求。该方法基于新的服务存储模式,支持服务调用代码、界面、测试数据的生成。可以与UDDI系统,以及其他的各类服务检索系统进行良好的融合,并支持服务语义描述、多媒体与多语言。陈述了该方法的技术实现方案,并进行了与主流软件的效率对比实验,实验结果验证了该方法的高效性。     

基于有限状态自动机提取不规范表结构Web信息

大量的不规范表结构信息是当前Web信息提取所必须解决的问题.在现有方法基础上,给出了归纳学习相邻属性间上下文规则集算法,提出了以Web页为粒度的属性转换机和有限状态自动机包装器概念,最后介绍了采用有限状态自动机包装器提取不规范表结构Web信息的算法.