Web信息集成中信息可信性的研究与实现.pdfVIP

SILICoN LLEY瓣囊§j【技术研发】 W eb信息集成中信息可信性的研究与实现 王忠强李贵韩子扬郑新录 (沈阳建筑大学信息与控制工程学院辽宁沈阳 110168) 摘要： 随着Web信息资源的迅速增长，构建高效的Web信息集成系统显得越来越重要，其中集成信息的可信性成为WEB信息集成中的重要研究课题。在分析总 结WEB信息集成现有方法基础上，提出一种基于可信性计算的信息集成方法，该方法通过对站点的中心性和权威性的计算得到可信性较高的网页，同时利用递归的 抽取方法将信息提取出来，大大提高获取信息的可信性。 关键词：Web信息集成；中心性；权威 中图分类号：TP301．6文献标识码：A文章编号：1671--7597(2011)0210074--02 0引言 值为n一1对于网页权威性的计算同样也分为三种：度权威性、邻近权威 随着信息社会的不断发展，用户对信息的需求量逐渐增加。Web上拥 性、等级权威性[1]。本系统采用的是度权威性，我们很容易看出如果一 有丰富的信息资源，它已经成为人们获取信息的重要途径。然而，很多时 个参与者有许多的链入链接或者说被很多其他参与者所推荐的话，他就是 候，一个单一的网站所拥有的数据量远远达不到用户对信息的需求，我们 具有权威性的[1]。因此，度量一个节点i的权威性的最直接的办法就是考 必须把若干个网站的信息都抽取出来，并且形成统一的界面提供给用户。 查他的入度： 随着Internet不多增大，计算机技术的不断增强，每天都有数以万计的信 彻：皇盟 。。+ n一1 息在Web上发布，而且，有部分信息的真实性无法确定，因此构建一个真 实可靠的Web信息集成系统就显得越来越重要了。 其中，b(i)就是i的入度(指向节点i的边数目)，n是该网络中节点 Web信息集成的过程主要分三个步骤： 的总数。和在度中心性中分析时是一样的，以n一1做规划处理以后，权威 1)是对于网页的解析，主要是针页面的源代码以及页面的结构进行 值将在0和1之间变化。当其他所有参与的节点都指向i或者选择i的时候， 分析，由于同一网站的页面的结构基本相同，从而可以得到该网站的结构 i的权威达到最大值1[1]。 特点。 结果，网页的可信度s=中心性×权威性，之所以使用乘法是因为我们 2)是对于网页信息的抽取，根据对网页的结构和源代码的解析，总 认为这些因素之间存在最小决定的关系。如果一个网页的可信度很低，会 结出信息的抽取规则，采用相应的抽取规则，把所需的信息抽取出来。 导致结果的可信度很低。 3)是对于抽取出信息的集成，根据用户的需求，将抽取出的信息以 2．2Web信息的提取与入库 统一的界面提供给用户，方便了用户对信息的查询。 对于Web页面的信息抽取主要表的方法是对其标记节点和网页结构进 1Web信息集成技术的现状 · 行分析，构造出健壮的包装器。信息的抽取规则在包装器中占有很重要的 地位，包装器根据Web页面分析时得到的数据特征进行匹配和整理，然后 目前Web信息集成系统的建立方法主要有两种：一种是数据仓库法， 把规范后的数据存入Data数组中，以备存入最终的目标数据库。 另一种是虚拟方法。