计算机科学与探索 ›› 2015, Vol. 9 ›› Issue (9): 1025-1033.DOI: 10.3778/j.issn.1673-9418.1409021
林海伦1+,杨晓刚2,熊锦华1,王元卓1,贾岩涛1,程学旗1
LIN Hailun1+, YANG Xiaogang2, XIONG Jinhua1, WANG Yuanzhuo1, JIA Yantao1, CHENG Xueqi1
摘要: 网络大数据的大规模、多源异构、动态更新、高噪声给知识的获取带来了很大的挑战。特别地,很多网站隐藏在HTML表单后端的Web数据库中的Deep Web数据,只能通过提交表单查询的方式进行动态访问,网络爬虫难以通过页面之间的链接关系采集到这些数据,影响了获取到的知识资源的覆盖率,如何高效地采集这些数据并加以利用非常具有挑战性。为此对现有的Deep Web数据采集的查询构造方法进行了详细分析,分别介绍了针对不同类型的表单对应的Deep Web数据采集查询构造方法;总结了现有表层化方式的Deep Web数据采集查询构造方法的优缺点,并对Deep Web数据采集查询构造方法的未来工作进行了展望,以推动Deep Web数据采集技术的进一步发展。