深网数据源质量估计模型  

Quality Estimation Model of Deep Web Data Source

作　　者：胡鹏昱[1] 赵朋朋[1] 方巍[1] 崔志明[1,2] 

机构地区：[1]苏州大学智能信息处理及应用研究所,苏州215006 [2]江苏省计算机信息处理技术重点实验室,苏州215006

出　　处：《计算机工程》2009年第9期204-207,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(60673092);2005年度教育部科研基金资助重点项目(205059);教育部高校博士学科点科研基金资助项目(20040285016);2006年江苏省"六大人才高峰"基金资助项目(06-E-037);江苏省2007年度研究生创新计划基金资助项目(CX07B-122Z)

摘　　要：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’sτ距离超过0.5,且获得较高的精度。In order to get valuable information from the mass Deep Web, this paper proposes a quality estimation model of Deep Web data sources, considering the query capability of interface, the quality of interface pages and the Quality of Services（QoS）, using the SVM and Ranking SVM machine learning approach to obtain the quality estimation function. Experimental results show the Kendall＇s distance between data sources quality sort sequences made by this quality estimation function and the artificial one is more than 0.5, and achieves higher accuaracy.

关 键 词：深网 查询能力 查询接口 服务质量 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]