C-Rank:一种Deep Web数据记录可信度评估方法
文献类型：会议
作者：艾静[1]
机构：[1]中国人民大学 信息学院,北京 100872
[2]中国人民大学 信息学院,北京 100872
[3]中国人民大学 信息学院,北京 100872
年：2009
会议名称：NDBC2009第26届中国数据库学术会议
会议论文集：NDBC2009第26届中国数据库学术会议论文集
页码范围：257-264
会议地点：南昌
会议开始日期：2009-10-15
所属部门：信息学院
人气指数：3
浏览次数：3
语言：中文
关键词：Deep Web数据;可信度评估;S-R网络;数据记录;数据库
摘要：针对Web信息可信度问题，提出了一种为Deep Web数据记录计算可信度的有效方法C-Rank。该方法为每一条记录构造一个S-R可信度网络，包含两种类型顶点及三种类型边。首先基于可信度传播的思想，利用顶点出度为每一个硕点计算其局部可信度值；再利用Record顶点入度及相邻Sito顶点的可信度值，为该Record顶点计算权值；继而求得整个S-R网络的全局可信度值。实验证明，C-Rank方法能够合理而有效地评价数据记录的可信度，从而达到甄别虚假信息，为用户推荐可信数据记录的目的。该方法普遍适用于Deep Web的各个领域。
作者其他论文
差分隐私保护下一种精确挖掘top-k频繁模式方法.张啸剑;王淼;孟小峰.计算机研究与发展.2014,51(1),104-114.
大规模图数据可达性索引技术:现状与展望.富丽贞;孟小峰.计算机研究与发展.2015,52(1),116-129.
海量高维向量的并行Top-k连接查询.马友忠;慈祥;孟小峰.计算机学报.2015,38(1),86-98.
基于小数据的在线用户兴趣长程演化研究.李勇;孟小峰;刘继,等.计算机研究与发展.2015,779-788.
云数据管理索引技术研究.马友忠;孟小峰.软件学报.2015,26(1),145-166.
