基于Ajax技术的智能客户端流引擎

为解决传统Ajax引擎缺乏智能及服务器端负载过重问题,设计一种基于浏览器缓存机制及Ajax技术的智能客户端流引擎（SCFE）。它将业务逻辑与数据访问分开,将业务逻辑移交到客户端执行,同时在客户端缓存业务逻辑涉及的数据,形成智能客户端体系。理论和实践证明SCFE可以有效地减少服务器访问次数,减轻服务器负载,减少网络流量,使Web应用更加智能化。  

应用于Web服务合成的一种有效的Web服务发现策略

随着Web服务的流行，如何发现Web服务为研究者们提出了挑战．文中将描述Web服务的信息分为服务操作信息（OWSDL）、服务功能信息（一般属性）和服务约束信息（实例属性）．基于描述服务的三部分信息，分三步实现服务查找．第一步，基于领域本体商业规范OWSDL实现服务操作同构；第二步，基于服务概要描述的一般属性，满足服务的功能需求；第三步，应用服务匹配度模型，基于概要描述的实例属性，按需为消费者提供恰当的服务．最后，通过实例证明了该方法是一种有效的Web服务发现策略．  

数据空间中数据组织模型以及关联关系发现模型的研究

数据资源之间关联关系的发现问题是数据空间的一个重要研究方向,它是解决数据空间中其他问题如构建索引、提供浏览、查询、Lineage等服务的基础.然而目前针对数据空间的研究大都是在假设已经得到数据资源之间关联关系的基础之上进行的,这些研究或多或少都带有一定的局限性.为了解决这个问题提出了一种数据组织模型以及一种数据资源关联关系发现模型,基于该模型可以有效地管理数据空问中的数据资源,进而支持丰富的语义查询.与此同时,通过实验验证了模型和算法的可行性.  

基于实例的Deep Web数据源结果模式匹配技术

针对Deep Web数据源结果模式信息的匹配问题,提出了一种基于实例的结果模式匹配的方法。该方法能够匹配并验证数据源的结果模式属性信息,同时记录数据在结果页面中的结构信息。利用基于查询请求松弛的两段模式匹配方法精确地匹配模式属性,并基于模式属性间共现度信息来提高属性匹配的查全率和查准率。从实验结果分析可以看出,基于实例的方法能够有效地识别数据源模式信息,提高模式属性查全率和查准率。  

一种基于语义及统计分析的Deep Web实体识别机制

分析了常见的实体识别方法,提出了一种基于语义及统计分析的实体识别机制(deep Web entity identification mechanism based on semantics and statistical analysis,简称SS-EIM),能够有效解决Deep Web数据集成中数据纠错、消重及整合等问题.SS-EIM主要由文本匹配模型、语义分析模型和分组统计模型组成,采用文本粗略匹配、表象关联关系获取以及分组统计分析的三段式逐步求精策略,基于文本特征、语义信息及约束规则来不断精化识别结果;根据可获取的有限的实例信息,采用静态分析、动态协调相结合的自适应知识维护策略,构建和完善表象关联知识库,以适应Web数据的动态性并保证表象关联知识的完备性.通过实验验证了SS-EIM中所采用的关键技术的可行性和有效性.  

支持Web深层数据库网格的部分关键技术的研究

当前,深层Web数据库数量急剧增加,然而其知识并没有得到有效的利用.本文提出将特定的深层Web数据库应用于网格环境中的思想,并针对支持深层Web数据库网格的部分关键技术进行研究,主要包括：（1）深层Web数据库元信息定义模型与模式抽取模型的研究;（2）多层次的模式匹配模型和自协调模型研究;（3）基于属性松弛的Web数据库查询与集成模型研究;（4）多目标函数代价模型和面向局部性的自适应优化调度模型研究.研发成果将为构建深层Web数据库网格提供良好的支持,就像网格的概念所定义的一样,为用户提供统一的接口,可按需为消费者提供集成的深层Web数据知识.其具有广阔的应用前景.  

服务网格中的资源服务选择代理研究

为了解决服务网格系统中出现的服务选择问题,提出了一个资源服务选择代理模型.借鉴OWL-S提出了一种服务需求描述语言(SRDL),使用户能够准确地描述对所需资源服务的要求;基于三种不同服务级别的QoS服务选择算法,用户可按需选择最合适的资源服务,降低作业执行时的出错率;采用候选服务缓存机制增加系统运行效率,同时降低远程服务查询代理的负担.  

面向关联关系数据的分布式相似性查询方法

带有关联关系的数据在社网平台、电子商务平台、科学数据库等环境中普遍存在，对其进行相似性查询是在各种应用中常见的操作。随着社网、电子商务、云计算等技术的发展和普及，具有关联关系的数据飞速增长，对这种类型的数据进行相似性查询成为数据库领域的一个研究热点。在此应用背景下，提出了一种基于决策树的面向关联关系型数据的分布式相似性查询方法。该方法依据属性的重要度计算相似性，计算过程中达到一定的准确度时可以结束计算，从而在保证准确性的情况下减少了计算量。同时提出了两种分布式环境下面向大数据量的决策树计算方法，该方法具有较少的通信代价，并且有概率理论保证其准确度。最后通过大量的实验证明了方法的有效性。  

Query Intent Disambiguation of Keyword-Based Semantic Entity Search in Dataspaces

Keyword query has attracted much research attention due to its simplicity and wide applications. The inherent ambiguity of keyword query is prone to unsatisfied query results. Moreover some existing techniques on Web query, keyword query in relational databases and XML databases cannot be completely applied to keyword query in dataspaces. So we propose KeymanticES, a novel keyword-based semantic entity search mechanism in dataspaces which combines both keyword query and semantic query features. And we focus on query intent disambiguation problem and propose a novel three-step approach to resolve it. Extensive experimental results show the effectiveness and correctness of our proposed approach.  

D-EEM:一种基于DOM树的Deep Web实体抽取机制

随着Web数据库的不断增长,通过对Deep Web的访问逐渐成为获取信息的主要手段.如何有效地抽取Deep Web中结果页面所包含的实体信息成为一个值得研究的问题.通过分析Deep Web结果页面的特点,提出了一种基于DOM树的Deep Web实体抽取机制(DOM-tree based entity extraction mechanism for Deepweb,D-EEM),能够有效解决Deep Web环境中的实体抽取问题.D-EEM采用基于DOM树的自动实体抽取策略,利用DOM树中的文本内容和层次结构来确定数据区域和实体区域,提高了实体抽取的准确性;另外,提出了一种基于上下文距离和共现次数的语义标注方法,有效地将来自不同数据源的抽取结果进行合成.通过实验验证了D-EEM中所采用的关键技术的可行性和有效性,同其他实体抽取策略相比,D-EEM在抽取效率及抽取准确性等方面具有一定的优势.