文献

J-GLOBAL ID：201602251530704237   整理番号：16A0956988

属性値の配列図モデルのDEEP WEBの新しいデータを発見戦略に基づく【JST・京大機械翻訳】

Deep Web new data discovery strategy based on the graph model of data attribute value lists

著者 (6件)： Xian Xuefeng (Jiangsu Province Support Software Engineering R&D Center for Modern Information Technology Application in Enterprise, Institute of Intelligent Information Processing and Application, Soochow University) ,  Cui Zhiming (Jiangsu Province Support Software Engineering R&D Center for Modern Information Technology Application in Enterprise, Institute of Intelligent Information Processing and Application, Soochow University) ,  Zhao Pengpeng (Institute of Intelligent Information Processing and Application, Soochow University) ,  Fang Ligang (Jiangsu Province Support Software Engineering R&D Center for Modern Information Technology Application in Enterprise. School of Computer Engineering, Suzhou Vocational University) ,  Yang Yuanfeng (Jiangsu Province Support Software Engineering R&D Center for Modern Information Technology Application in Enterprise. School of Computer Engineering, Suzhou Vocational University) ,  Gu Caidong (Jiangsu Province Support Software Engineering R&D Center for Modern Information Technology Application in Enterprise. School of Computer Engineering, Suzhou Vocational University)
資料名： Tongxin Xuebao  (Tongxin Xuebao)
巻： 37  号： 3  ページ： 2016049-1-2016049-13  発行年： 2016年 
JST資料番号： W1463A  ISSN： 1000-436X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： データソースには,新しいデータ記録のインクリメンタル爬取問題が発生する,1つのDEEP WEBの新しいデータを発見戦略を提案し,この戦略はDEEP WEBデータソースを表示する,新しい1つの属性値のシーケンス図のモデルを用いて,属性値のシーケンス図のトラバース問題を新しいデータ発見の問題に変換した。このモデルがデータとのみ関連し,既存クエリー関連図モデルと比較して,より強い適応性と確かさをを持つ,わずか簡単なクエリインタフェイスを含むDEEP WEBデータソースに適用することができた。このモデルの基礎の上で,成長のノードを発見してその新しいデータを発見する能力を予測した;相互情報量の計算ノードの間の依存関係を利用して,クエリ選択時,可能な限りクエリ依存がもたらす負の影響を低減できる。この戦略は新しいデータ爬取の効率を向上させる,実験の結果,同じ資源制約の前提の下で,この戦略はエネルギーがローカルデータと遠隔データを最大化する同期を保持する。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 適応性 ,  *相互情報量
準シソーラス用語： クエリー , 【Automatic Indexing@JST】

著者キーワード (3件)： deep Web ,  new data discovery ,  data acquisition

分類 (2件)： 計算機システム開発  (JD02010R) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 属性 ,  モデル ,  Web ,  発見 ,  戦略