APP下载

基于链接路径搜索的URL属性集成方法

2013-08-23马艳红胡学钢吴共庆

计算机工程 2013年1期
关键词:数据库文本

马艳红,胡学钢,吴共庆

(合肥工业大学计算机与信息学院,合肥 230009)

1 概述

用于处理结构化数据的数据库,在海量信息的检索和数据挖掘方面已显现出诸多的局限性。而网页中的半结构化数据已成为人们获取、传播和交换信息的重要途径。如何充分利用半结构化数据资源,并将其同传统的结构化数据集成在一起,成为一个重要的研究课题。

例如,传统数据库中的数据结构相对固定,添加新的属性列往往需要大量的人力和时间。为解决该问题,一种可行的方案是对数据库中每个数据的相关网页进行信息抽取,并将新的属性填充到数据库中。然而,由于真实数据库信息量庞大,该方法的难点在于如何自动、高效地找到这些数据的相关网页的URL,并得到这些网页与数据库的映射,为后期的信息抽取和数据挖掘等操作提供准确的信息来源。

由此可知,实现目标需进行2步,第1步是找到需填充数据库内容的相关网页,文献[1]采用了决策树和逻辑回归分析来找到符合用户需要的主页,在2002 TREC Web Track[2]也有这方面的任务,目标是找到某个特定命名实体的网页。求解的第2步是得到这些网页和结构化数据库之间的映射。当前有很多工作都集中在从半结构化的网页中抽取出结构化信息[3-5]。然而,利用这些网页来丰富结构化数据库内容也是非常重要的。在这些半结构化网页中存在着大量的超链接,而超链接上的核心-锚文本已经被研究多年[6-8],其形式简短,内容概括性强,在商业搜索引擎方面[9]起到很重要的作用。……

登录APP查看全文

猜你喜欢

数据库文本
初中群文阅读的文本选择及组织
在808DA上文本显示的改善
基于doc2vec和TF-IDF的相似文本识别
数据库
数据库
数据库
数据库
数据库
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
論《柳毅傳》對前代文本的繼承與轉化