论文研究基于最大熵分类器的Deep Web查询接口自动判定.pdf

Web中包含着海量的高质量信息，它们通常处在网络深处，无法被传统搜索引擎索引，将这样的资源称为DeepWeb。因为查询接口是DeepWeb的唯一入口，所以要获取DeepWeb信息就必须判定哪些网页表单是DeepWeb查询接口。由于最大熵模型可以综合观察到的各种相关或不相关的概率知识，对许多问题的处理都可以达到较好的结果。因此，基于最大熵模型的分类性能，利用最大熵分类算法自动判定查询接口。并通过实验，将最大熵分类法与其它常用分类方法进行了比较，结果显示它的分类性能优于Bayes方法和C4.5方法，与SVM方法相当，表明这是一种非常实用的查询接口分类方法。