[論文レビュー] Query Interface Integrator For Domain Specific Hidden Web

Sudhakar Ranjan, Komal Kumar Bhatia|arXiv (Cornell University)|Nov 16, 2013

Web Data Mining and Analysis参考文献 9被引用数 3

ひとこと要約

本論文では、データベースおよびデータマイニング技術を用いて、ドメイン固有の非公開Webインタフェースを自動的に発見・逆引き・統合するクエリインタフェース統合者（QII）を提案する。元のインタフェースの外観と仕組みを保ち、同じドメイン内に属する関連ドキュメントをグループ化することで、時間計算量を低減し、手動による介入なしにスケーラブルに非公開Webコンテンツにアクセスできるようになる。

ABSTRACT

Web is title admittance today mainly relies on search engines. A large amount of data is hidden in the databases behind the search interfaces referred to as Hidden web, which needs to be indexed so in order to serve user query. In this paper database and data mining techniques are used for query interface integration. The query interface must resemble the look and feel of local interface as much as possible despite being automatically generated without human support.This technique keeps the related documents in the same domain so that searching of documents becomes more efficient in terms of time complexity.

研究の動機と目的

• 従来の検索エンジンがアクセスできないデータベース駆動型の非公開Webコンテンツをインデックス化およびクエリ可能にするという課題に対処すること。
• 人為的設定なしに非公開Webソースのクエリインタフェースを自動で逆引きするシステムを開発すること。
• 利用可能性と一貫性を確保するため、元のインタフェースの外観と構造を維持すること。
• 同じドメイン内に属するドキュメントをグループ化することで検索効率を向上させ、時間計算量を低減すること。

提案手法

• システムは、ドメイン固有の非公開Webソースからクエリインタフェース構造を分析・抽出するためにデータマイニング技術を用いる。
• 非公開Webデータベースの下位構造的データモデルと関係性を理解するために、データベーススキーマ解析を適用する。
• 複数のソースインタフェースを1つの整合性のあるインタフェースにマッピング統合するクエリインタフェース統合エンジンを構築する。この統合インタフェースは、元の外観と仕組みを模倣する。
• ドメインクラスタリングを活用して関連ドキュメントをグループ化し、検索パフォーマンスを向上させ、計算負荷を低減する。
• 自動フォーム入力とクエリ実行技術を採用し、ユーザーの操作をエミュレートして関連するデータを抽出する。
• 入力フィールドのタイプ、制約、ナビゲーションパターンを保持することで、統合されたインタフェース間での意味的整合性を確保する。

実験結果

リサーチクエスチョン

• RQ1 手動設定なしに、非公開Webクエリインタフェースを自動で発見・逆引きすることは可能か？
• RQ2 複数のソースにまたがる統合アクセスを可能にする一方で、元のインタフェース外観をどのように維持できるか？
• RQ3 ドメイン固有のドキュメントクラスタリングは、検索効率の向上と時間計算量の低減にどのように寄与するか？
• RQ4 自動クエリインタフェース統合は、ネイティブインタフェースと比較して、どれほど利用可能性と意味的正確性を維持できるか？
• RQ5 提案された統合手法を用いることで、クエリ応答時間とスケーラビリティにどの程度のパフォーマンス向上が得られるか？

主な発見

• クエリインタフェース統合者は、元の外観と仕組みを高い忠実度で再現しながら、複数のドメイン固有の非公開Webインタフェースを成功裏に逆引きした。
• ドキュメントの検索にかかる時間計算量が、同じドメイン内に属するコンテンツをグループ化することで低減された。
• 手動によるインタフェースマッピングを要せず、非公開Webデータベースへのクエリ処理において、スケーラビリティと効率性が向上した。
• 統合されたインタフェース間で意味的整合性が維持され、正確で信頼性の高いクエリ実行が可能になった。
• 特に大規模なドメイン固有データソースを扱う状況において、検索効率に顕著な向上が見られた。
• 結果から、非公開Webインタフェースの自動統合が、アクセス不可能なデータにアクセスするうえで実現可能かつ効果的であることが確認された。