检索结果-南通市图书馆

北京大学学报（自然科学版） 2015年第2期51卷 213-219页

作者：王思萌高良才王悦涵李平立汤帜北京大学计算机科学技术研究所北京100080

针对具有相似版面的中文表单,提出一种简单有效的基于距离度量的表单分类方法,该方法对表单的用户填写信息、布局信息和位置偏移分别进行距离度量,并通过3种权重有效地降低用户填写信息的随机性、版面相似表单的布局一致性和位置抖动性... 详细信息

针对具有相似版面的中文表单,提出一种简单有效的基于距离度量的表单分类方法,该方法对表单的用户填写信息、布局信息和位置偏移分别进行距离度量,并通过3种权重有效地降低用户填写信息的随机性、版面相似表单的布局一致性和位置抖动性对表单分类的影响。实验表明,所提方法在多个中文表单图像库上的分类准确率达到90%以上,比目前最新的表单分类方法有明显提高。

关键词：表单分类距离度量权重计算

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Deep Web数据源发现和分类研究

Deep Web数据源发现和分类研究

引用

作者：王海龙苏州大学

学位级别：硕士

互联网的飞速发展使Web信息量不断膨胀,网络正在迅速深化。由于大量的信息都隐藏在查询接口之后,无法利用传统的搜索引擎技术获取,这类信息被称为DeepWeb。高速增长的DeepWeb信息已成为人们进行信息获取的重要来源,但由于DeepWeb信息的... 详细信息

互联网的飞速发展使Web信息量不断膨胀,网络正在迅速深化。由于大量的信息都隐藏在查询接口之后,无法利用传统的搜索引擎技术获取,这类信息被称为DeepWeb。高速增长的DeepWeb信息已成为人们进行信息获取的重要来源,但由于DeepWeb信息的异构性和动态性,使用起来非常不方便,因此,面向Deep Web的数据集成系统便应运而生。本文对Deep Web数据源发现和分类所涉及到的相关技术进行了深入研究,并提出了相关模型和机制,有效的解决了传统方法的局限性。主要研究工作包括: 1.讨论了一种利用搜索引擎来发现数据源的方法。为了能够向搜索引擎提交高质量的关键词,将本体作为等级化组织词汇的架构引入到初始词构建过程中。对所有词汇按照在当前领域中出现频率高低进行分类,并根据搜索引擎返回接口集元素数量进行二次分类,确保关键词是对发现数据源查询接口贡献较大的词汇。 2.提出了一种利用模糊集和概率模型分类数据源的方法。对各领域中的词汇按照其对当前领域的贡献程度分为特征词和常用词。为了能够在网页文本中找出更加精确的词汇,将模糊集作为归一化词汇的工具引入到特征词集和常用词集精简的过程中,并且将归一化后的词汇在各领域上建立概率模型,通过计算数据源表单向量与各领域向量之间距离来分类。 3.研究了一种网络表单分类器改进机制,该机制主要将pre-query和post-query技术结合来使各种分类错误的表单进行二次分类,使这些表单能重新分类到正确的领域中。在分类前利用各领域间的相互关系建立图模型,使表单同时分类到当前领域相关的多个领域集合中,再将各领域表单集合的交集进一步通过探测查询进行分类,使得表单分类更加精确化。本文进行了大量的实验,验证提出的各种理论和方法,同时提出了有待进一步深入的问题,实验结果表明本文提出的方法技术是可行有效的。

关键词： Deep Web,数据源发现表单分类查询探测分层模糊集合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：