计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (7): 109-114.DOI: 10.3778/j.issn.1002-8331.1510-0030
杨永红1,高 磊1,余 航2,徐欣辰2
YANG Yonghong 1, GAO Lei 1, YU Hang2 , XU Xinchen2
摘要: 获取Deep Web中信息的主要途径是通过在其提供的查询接口上提交查询来实现的,目前大部分的研究以表单内的<form></form>标签获得表单内容结构,判断是不是一个Deep Web查询接口。提出了接口块的概念,设计了一种基于页面信息和视觉信息的接口块定位方法,最后将判定接口块是不是Deep Web接口看作是一个模式识别的分类问题,通过抽取适当的表单结构特征,采用C4.5决策树和SVM相结合的分类算法来进行接口块的判定,得到页面中含有的Deep Web查询接口。采用UIUC的TEL-8数据集进行实验,结果表明,该方法的准确率达到了97.30%,具有良好的可行性和实用性。