项目名称: 基于语义计算的海量Deep Web知识探索机制研究

项目编号: No.61272411

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 赵峰

作者单位: 华中科技大学

项目金额: 80万元

中文摘要: Deep Web蕴含的信息量丰富、质量高、内容领域性强、增长速度快,已逐步成为互联网承载信息的主体。近年来,搜索和发现海量Deep Web背后隐藏的用户所需要的信息,对其进行可靠管理、准确分析和全面理解,并提供普适化/个性化的知识服务,已成为国内外众多学者研究的热点与焦点。本项目针对Deep Web海量性、动态性、不确定性的特征,围绕搜索模式改变和数据"量-质"矛盾引发的挑战,以提高Deep Web信息的可用性、实现海量Deep Web的高效知识检索和发现为目标,研究海量Deep Web知识探索的数据发现与分类、数据采样、语义推算与动态演化、知识评估与检索优化等关键机制,为海量Deep Web的"量-质"融合和"信息-知识"转化奠定基础。本项选题具有先进性,研究具有重要的理论意义与实用价值,研究成果可直接应用于互联网资源管理,为其提供新的、有效技术手段,并拓宽互联网信息检索的研究领域。

中文关键词: 深层网络;知识探索;实时搜索;语义计算;数据爬取

英文摘要: Deep web refers to web data sources that provide a considerable amount of information with backend databases that are not indexed by general search engines, which contains abundant information and features with high quality,strong relevant to domains and high speeding rates. It gradually becomes the main body of the Internet information carrier. With the explosion of deep web, searching and discovering the knowledge of hidden web documents has become a perpetual challenge. Recently, reliably managing, accurately analyzing and understanding massive deep web become major goals of explorating deep web and providing pervasive and personalized knowledge service also becomes a hotspot research. Facing the features of massive, dynamics and uncertainty of deep web, and challenges caused by the conflict of data "quantity-quality" and searching model changing,this project researches some key mechanism of deep web exploration, such as mechanism on discoverying and classifying of massive deep web data sources, mechanism on deep web data sampling, mechanism on semantic computing and dynamically evoluting, mechanism on knowledge evaluation and retrieval optimization, which is helpful to establish foundation for the fusion of "quantity-quality" and conversion of "information-knowledge". The project aims to improve the usabilit

英文关键词: Deep web;Knowledge exploration;Real-time searching;Semantic computing;Data Crawling

成为VIP会员查看完整内容
0

相关内容

UIUC韩家炜:从海量非结构化文本中挖掘结构化知识
专知会员服务
96+阅读 · 2021年12月30日
【计算所&清华等新书】预训练方法信息检索,109页pdf
专知会员服务
64+阅读 · 2021年11月30日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
124+阅读 · 2021年6月12日
专知会员服务
60+阅读 · 2021年3月25日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
「深度图像检索: 2012到2020」大综述论文,21页pdf
专知会员服务
41+阅读 · 2021年1月30日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
ACL2022 | 基于强化学习的实体对齐
专知
1+阅读 · 2022年3月15日
文本情感分析方法研究综述
专知
4+阅读 · 2021年4月20日
论文浅尝 | DKN: 面向新闻推荐的深度知识感知网络
开放知识图谱
21+阅读 · 2019年5月1日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
17+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
SkiQL: A Unified Schema Query Language
Arxiv
0+阅读 · 2022年4月19日
Arxiv
12+阅读 · 2020年6月20日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
25+阅读 · 2018年1月24日
小贴士
相关VIP内容
UIUC韩家炜:从海量非结构化文本中挖掘结构化知识
专知会员服务
96+阅读 · 2021年12月30日
【计算所&清华等新书】预训练方法信息检索,109页pdf
专知会员服务
64+阅读 · 2021年11月30日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
124+阅读 · 2021年6月12日
专知会员服务
60+阅读 · 2021年3月25日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
「深度图像检索: 2012到2020」大综述论文,21页pdf
专知会员服务
41+阅读 · 2021年1月30日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
相关资讯
ACL2022 | 基于强化学习的实体对齐
专知
1+阅读 · 2022年3月15日
文本情感分析方法研究综述
专知
4+阅读 · 2021年4月20日
论文浅尝 | DKN: 面向新闻推荐的深度知识感知网络
开放知识图谱
21+阅读 · 2019年5月1日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
17+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员