Web数据库近似查询结果自动排序方法

针对Web数据库近似查询产生的多查询结果问题,提出了一种近似查询结果自动排序方法,该方法利用KL距离(Kullback-Leibler distance),PIR(probabilistic information retrieval)模型和查询历史(query history)来构建元组排序打分函数;打分函数根据结果元组中被查询指定的属性值对初始查询的满足度和未被查询指定的属性值与用户偏好的相关度来评估元组的排序分值.实验证明,提出的排序方法能够较好地满足用户需求和偏好,并具有较高执行效率.     

Web数据库关键字查询结果排序方法

为提高现有关键字查询结果的准确性,提出一种基于信息检索排序模型的关键字查询结果排序方法,该方法根据查询关键字在查询结果元组树和数据库中出现的频率来衡量查询结果的相关度,考虑了查询结果元组树中文本属性所包含字符串长度对排序分值的影响,使评分函数的计算更为合理.研究结果表明:提出的关键字查询结果排序方法的排序准确性高于现有典型排序方法,具有较高执行效率.     

数据库模糊查询结果自动排序方法

数据库模糊查询会产生多个查询结果,因此有必要将查询结果按照用户需求进行排序.首先根据元组对模糊查询的隶属度,将查询结果中具有不同隶属度的元组分开.然后,利用PIR改进模型和历史查询记录来分析元组中被查询指定的属性值与未指定的属性值之间的关联程度,从而获得用户偏好并以此对具有相同隶属度的元组进行排序.在此基础上,提出了模糊查询下的DPR自动排序方法.实验及分析证明,提出的模糊查询结果自动排序方法能够极大地提高排序质量.     

领域Web数据库查询接口的自动发现

由于Deep Web查询接口的自动发现是获取Deep Web信息的基础,提出了基于搜索引擎的表单发现方法和基于语义相似度的查询表单判定方法.该文首先定义了查询表单的特征的表示方法,然后自动提取样本查询接口的特征并将其中的文字特征进行组合提交给搜索引擎以实现查询表单的搜索,最后基于语义相似度和字面相似度的方法判定搜索表单和样本表单之间的相似度,并由此判定是否是WDB的查询接口.实验证明该文方法具有良好的可行性和实用性,为深入研究Deep Web提供了良好的条件.     

利用Web技术实现对数据库的查询

介绍利用Ｗｅｂ技术对数据库查询的一些方法：查询表达式在ＣＧＩ程序中生成时采用的选择查询、组合查询;由网页源程序构成查询表达式时采用的组合查询等。     

多数据库挖掘中独立于应用的数据库分类研究

目前的数据挖掘技术大多只针对单一数据库进行挖掘．当数据库有多个时，需要用到多数据库挖掘技术．应用聚类思想，提出一种独立于应用的数据库分类方法，并给出了相关的算法，最后用实验证明了该方法的正确性和有效性。     

基于Web的数据库模糊优化查询

由于目前大型的Internet结点日益数据库化,同时,传统的数据库系统向Internet平台转移,针对Web数据库访问模型,提出一种基于Web的数据库模糊优化查询法,以适应网上普通用户信息查询需求,能较有效地改善网上信息查询查准率低的状况。     

基于Web的数据库查询方法

目的 在基于Ｗｅｂ的数据库查询方法中,选择一种适合实际情况的方法进行系统开发。方法 用定性和定量相结合的方法,对查询机制的结构进行定性分析,将指标量化并进行评价。结果 得到结合实际情况的数据库查询方法的最终评价值,从中选择最优的查询方法。结论根据性能指标权值表,按照实际情况进行调整,能比较准确地选择出符合实际环境的最佳方法。     

数据库模糊查询结果自动排序方法分析

计算机应用技术是当代社会应用最广泛,也利用的最好的技术之一,数据库技术是计算机应用技术中比较常用的一种。当某一行业或者某一系统积累了越来越多的数据信息的时候,人们自然而然的应用了数据库技术。随着其中数据信息的增多,人们又设计了检索模块来方便查询,但是当所知道的信息不多检索时,就利用了数据库模糊查询,这就需要考虑到许多因素由于其影响大小或者时间顺序等的排序罗列数据,本文就数据库模糊查询结果自动排序方法进行简单分析。     

Deep Web数据源聚类分类算法研究

在Internet技术飞速发展的今天,人们对依靠Web引擎搜索可用信息的实效性、快捷性的研究在不断的深入。然而许多Web信息已经被各种各样可搜索的在线数据库所深化,并被隐藏在Web查询接口下面。传统的搜索引擎由于技术原因不能索引这些信息——Deep Web信息。由于Deep Web数据的异构性和动态性,有效地把这些信息加以利用是一件具有挑战性的工作。因此,本文分别提出了基于Deep Web查询接口的Deep Web数据源聚类和分类算法,为Deep Web信息检索方法的研究提供了一定的理论依据。     

分类Cache库在Web查询系统中的应用

利用分类Cache库技术可以解决对已检索到的Web信息的再利用问题,通过使用分类Cache库,不但可以减少重复检索Web的次数,提高查询系统的效率,而且还可以对已检索到的Web信息实现基于语义的精确查询,提高系统的查询精确度.重点介绍了Web查询系统中分类Cache库的构造、管理与维护.     

一种基于Web日志的Web用户群体和URL聚类算法

通过处理和研究Web日志,得到多数用户感兴趣的页面URL和具有相近访问爱好的用户群体,对站点的结构是否适合用户作出判断并进行相应的调整,从而实现对用户的个性化服务．     

基于动态学习的Deep Web数据源选择算法

提出了基于查询过程的动态计算数据源和查询关键词相似度的算法.当用户查询时,从数据源中选择子集进行查询,然后计算结果网页与查询关键词的相似度,按加权均值法调整该数据源的相似度,随着系统的运行,数据源与关键词的相似度不断被动态调整以反映数据源的实际情况,从而为数据源选择做出判断依据.     

基于遗传算法的数据库多连接查询优化策略

结合多连接查询的特点,提出了一种基于遗传算法的查询优化策略.在查询左深树策略空间上构造了遗传算法的一个原型,设计出查询优化问题的染色体编码方法,并基于该编码方法给出了选择策略及交叉、变异算子.     

数据库自然语言查询条件研究

通过对汉语查询句的研究,建立了复合概念、逻辑概念与标准概念的内在联系.通过分析各种查询条件,得出查询条件表达式可以形式化表示为二叉树的结论,在此基础上,构造了查询条件字符块转换为二叉树的一套算法.     

基于Python语言的可视化空间数据库智能查询系统

针对传统的可视化空间数据库智能查询系统存在查询错误率高的问题,设计基于Python语言的可视化空间数据库智能查询系统．获取异构存储分布,通过融合度聚类分析,进行可视化空间数据库的异构样本特征分解,根据分解结果,采用模糊度检测和K均值聚类方法,对可视化空间数据库的差异性数据聚类,以聚类结果为基础,结合随机自适应调度和子空间压缩方法,实现对可视化空间数据库的智能查询．仿真实验结果表明,采用该方法进行可视化空间数据库智能查询的错误率较低,查准率较高,数据特征聚类性较强．