Deep Web复杂模式匹配：布尔矩阵方法

"基于布尔矩阵的Deep Web复杂模式匹配 (2011年)，由龚桂芬、伏玉琛和程远虎共同研究，发表在《苏州大学计算机科学与技术学院》和《江苏省现代企业信息化应用支撑软件工程技术研发中心》。文章提出了一种新的Deep Web复杂模式匹配算法，该算法利用布尔矩阵对查询接口模式中的属性进行表示，并通过正负关联规则进行属性挖掘。" 在信息技术领域，Deep Web是指那些搜索引擎无法索引的网络部分，其中包含大量隐藏的、非结构化的数据。这些数据通常存在于动态生成的网页中，如数据库查询结果。由于Deep Web的数据量庞大且难以直接访问，因此对其中的复杂模式进行匹配和挖掘具有重要的研究价值。 论文“基于布尔矩阵的Deep Web复杂模式匹配”提出了一个创新的方法，将查询接口模式中的属性转换为布尔矩阵。布尔矩阵是一种二值矩阵，其元素只有真（1）和假（0），常用于表示和处理逻辑关系。在这个研究中，布尔矩阵被用来表示不同属性之间的存在或缺失关系。 在正关联规则中，如果两个属性经常同时出现，那么它们被认为是正相关的。通过布尔矩阵的正关联规则运算，可以发现一组属性经常一起出现，从而挖掘出“组属性”。这有助于理解查询接口中哪些属性经常一起被查询，从而优化查询策略。 负关联规则则关注于那些不同时出现的属性。在布尔矩阵中，通过负关联规则运算，可以识别出那些几乎从不一起出现的属性，这些属性可能是同义词或者近义词，因为在一个查询中通常不会同时使用。识别这些同义属性对于减少冗余和提高查询效率至关重要。 实验结果显示，基于布尔矩阵的这种方法在执行效率上表现出色，这意味着它能在合理的时间内处理大量的数据，这对于处理Deep Web的海量信息来说尤其重要。此外，这种方法的提出也为Deep Web的数据挖掘和模式识别提供了一个有效且高效的工具，有助于进一步探索和利用Deep Web中的隐藏信息。 这篇论文通过引入布尔矩阵和关联规则，为Deep Web复杂模式匹配提供了一种新思路，不仅提升了匹配的效率，还增强了对Deep Web数据模式的理解。这种方法对于互联网数据挖掘、信息检索以及相关领域的研究具有深远的影响。