董永权, 李庆忠, 丁艳辉, 张永新
模式识别与人工智能. 2011, 24(2): 262-271.
PDF全文 (
)
可视化
收藏
针对已有查询接口匹配方法匹配器权重设置困难、匹配决策缺乏有效处理的局限性, 提出一种基于证据理论和任务分配的Deep Web查询接口匹配方法(Evidence Theory and Task Assignment based Query Interface Matching Approach, ETTA-IM).该方法通过引入改进的D-S证据理论自动融合多个匹配器结果,避免手工设定匹配器权重,有效减少人工干预.通过对任务分配问题进行扩展,将查询接口的一对一匹配决策问题转化为扩展的任务分配问题,为源查询接口中的每一个属性选择合适的匹配,并在此基础上,采用树结构启发式规则进行一对多匹配决策.实验结果表明ETTA-IM方法具有较高的查准率和查全率.