C-Rank: Deep Web数据记录可信度评估方法
外文标题：C-Rank: A Credibility Evaluation Method for Deep Web Records
文献类型：期刊
作者：艾静[1]
机构：[1]中国人民大学信息学院
[2]中国人民大学信息学院
[3]中国人民大学信息学院
年：2009
期刊名称：计算机科学与探索
卷：3
期：6
页码范围：585-593
增刊：增刊
所属部门：信息学院
语言：中文
ISSN：1673-9418
链接地址：http://d.g.wanfangdata.com.cn/Periodical_jsjkxyts200906003.aspx
DOI：10.3778/j.issn.1673-9418.2009.06.003
人气指数：3
浏览次数：3
基金：The National Natural Science Foundation of China under Grant No.60833005,60573091; the National High-Tech Research and Development Plan of China under Grant No.2007AA01Z155.2009AA011904(国家高技术研究发展计划; the Ph.D.Programs Foundation of Ministry of Education of China under Grant No.200800020002
关键词：深层网络;Web信息可信度;S-R可信度网络;可信度传播
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顶点计算其局部可信度值;再利用Record顶点入度及相邻Site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.
