1、Deep Web數據源的發(fā)現(xiàn)及其領域相關性越來越引起人們的關注和興趣。針對在判別查詢接口時，提取精度低和忽略領域相關性的問題，提出了一種采用多分類器對Deep Web數據源進行自動分類和判別的方法：將Deep Web數據源的發(fā)現(xiàn)過程階段化，每個重要的階段使用有效的分類器對其進行處理。本文給出了數據源發(fā)現(xiàn)的框架圖，并根據TEL-8 Query Interfaces提供的數據和一些收集數據實現(xiàn)了數據源發(fā)現(xiàn)的框架，并對其效率進行了評估。本文主

2、要研究內容包括以下四個方面： (1)對國內外Deep Web資源的規(guī)模、結構進行了調查研究，并指出國內外對Deep Web資源發(fā)現(xiàn)的新進展。 (2)針對傳統(tǒng)搜索引擎爬蟲程序在Deep Web領域資源發(fā)現(xiàn)上的缺陷，設計了一個面向查詢表單的聚焦爬蟲，并將強化學習的思想用于爬蟲程序對超鏈接的選擇上，實驗表明爬蟲的效率及其準確性有了很大的提高。 (3)采用分步的思想，將Deep Web的資源發(fā)現(xiàn)過程階段化，提出了資源發(fā)現(xiàn)

3、的框架設計，針對于每個階段的主要任務，使用有效的分類器對其進行處理，從而最大限度地提高其資源發(fā)現(xiàn)的回報率與準確率。 (4)針對于查詢表單分類器和領域表單分類器所選取的分類特征，設計了一個表單信息提取器，對表單的結構特征和文本特征進行解析。 本文最后根據Deep Web數據源的分類和判別框架，利用TEL-8 Query Interfaces采集到的查詢接口的數據集和自己搜集的非查詢接口的數據集對分類器進行訓練，并使用表單聚