| 深网数据源质量估计模型 |
| |
| 引用本文： | 胡鹏昱,赵朋朋,方巍,崔志明.深网数据源质量估计模型[J].计算机工程,2009,35(9):204-207. |
| |
| 作者姓名： | 胡鹏昱 赵朋朋 方巍 崔志明 |
| |
| 作者单位： | 1. 苏州大学智能信息处理及应用研究所,苏州,215006
2. 苏州大学智能信息处理及应用研究所,苏州,215006;江苏省计算机信息处理技术重点实验室,苏州,215006 |
| |
| 基金项目： | 国家自然科学基金，教育部科研基金重点项目，教育部高等学校博士学科点专项科研基金，江苏省六大人才高峰项目，江苏省研究生倒新计划 |
| |
| 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＇s τ距离超过0．5，且获得较高的精度。
|
| 关 键 词： | 深网 查询能力 查询接口 服务质量 |
| 修稿时间： | |
Quality Estimation Model of Deep Web Data Source |
| |
| HU Peng-yu,ZHAO Peng-peng,FANG Wei,CUI Zhi-ming.Quality Estimation Model of Deep Web Data Source[J].Computer Engineering,2009,35(9):204-207. |
| |
| Authors: | HU Peng-yu ZHAO Peng-peng FANG Wei CUI Zhi-ming |
| |
| Affiliation: | 1.Institute of Intelligent Information Processing & Application;Soochow University;Suzhou 215006;2.Key Lab of Computer Information Processing Technology of Jiangsu Province;Suzhou 215006 |
| |
| Abstract: | 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. |
| |
| Keywords: | Deep Web query capability query interface Quality of Services(QoS) |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
