基于属性高频字的深网数据库重叠率估计  

Estimation for Overlapping Rate of Deep Web Databases Based on Attribute High-frequency Words

作　　者：苗忠义[1] 赵朋朋[1] 胡鹏昱[1] 崔志明[1] 

机构地区：[1]苏州大学智能信息处理及应用研究所,苏州215021

出　　处：《计算机工程》2009年第13期28-30,共3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);2006年江苏省"六大人才高峰"基金资助项目(06-E-037);2006年度江苏省软件和集成电路业专项经费基金资助项目([2006]221-41);2007年度江苏省研究生创新计划基金资助项目(cx07b-122cz)

摘　　要：在同一领域中,不同Web数据库之间有重叠部分,为估计重叠部分在Web数据库中所占比例,提出一种基于属性高频字的重叠率估计方法。以中文高频字作为起点,迭代诱导属性高频字。通过属性高频字的查询结果计算重叠部分出现的条件概率,进而估计重叠率。实验证明,该方法的偏差度和波动度都小于5。In the same domain, different Web databases have overlap with each other. In order to estimate the overlapping rate in Web database, this paper proposes an attribute high-frequency words based approach for estimating the overlapping rate of Deep Web database. Starting with the Chinese frequency words, the attribute frequency words can be induced iterative, and using its query results calculate the conditional probability of overlapping part, then estimate the overlapping rate. Experiments prove its bias and volatility are less than 5.

关 键 词：重叠率 深网 数据库 估计 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]