Deep Web接口的自动识别技术研究

来源：计算机工程与应用杂志2017年第7期北京时间：

作者：杨永红1，高 磊1，余 航2，徐欣辰2

单位：1.中国石化胜利油田分公司 勘探开发研究院，山东 东营 257000；2.上海大学 计算机工程与科学学院，上海 200444

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。

关键词：Deep Web接口,文档对象化模型树,接口块,多类分类