CN102063488A - 一种基于语义的代码搜索方法 - Google Patents
一种基于语义的代码搜索方法 Download PDFInfo
- Publication number
- CN102063488A CN102063488A CN2010106121016A CN201010612101A CN102063488A CN 102063488 A CN102063488 A CN 102063488A CN 2010106121016 A CN2010106121016 A CN 2010106121016A CN 201010612101 A CN201010612101 A CN 201010612101A CN 102063488 A CN102063488 A CN 102063488A
- Authority
- CN
- China
- Prior art keywords
- code
- module
- search
- data
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 244000063498 Spondias mombin Species 0.000 claims abstract description 19
- 238000013480 data collection Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 241000270322 Lepidosauria Species 0.000 claims description 18
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 241000239290 Araneae Species 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010013710 Drug interaction Diseases 0.000 description 1
- 244000127759 Spondias lutea Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于语义的代码搜索方法，其采用的系统分为数据收集、分析、排序、用户交互四大模块；数据收集模块中的爬虫工具JoBo可以在配置文件中预先设定一些网站地址，再从预先设定的论坛和博客上抓取代码源，达到最快最有效的抓取网页；爬虫工具JoBo抓取到的代码源，采用开源工具JDT中的抽象语法树AST框架来进行语义分析；数据排序模块根据用户输入的关键字匹配，分析得到相应的搜索结果后，综合考虑五方面的因素，通过数据排序将搜索结果按照分值从高到底依次排列展现给用户。本发明在利用现有最好搜索引擎的基础上，对语义信息识别、排序做了相应的扩展，通过配置爬虫定义搜索范围，提高了搜索效率和查准精度并可以考虑用户喜好。
Description
技术领域
本发明涉及一种代码搜索方法，尤其涉及一种基于语义的代码搜索方法。
背景技术
目前的代码搜索引擎例如Google code search、Koders主要是对网络中的一些开源项目的文件进行检索，忽略了大型blog或论坛中的代码片段，导致搜索的范围比较狭隘。它们主要采用全文索引技术对公开发布的代码文件进行索引，从而对所搜索的代码进行快速定位，但是他们没有对代码的结构化信息进行识别，不能精确的定位类名、方法名、变量等描述信息，使得搜索结果不够准确。
当前一些主流的搜索引擎存在以下缺陷：1、代码搜索范围小，仅对网络中一些开源项目的文件进行检索；2、搜索结果不准确，因为检索的方式是全文检索，无法利用代码的结构化信息(如类名、方法名、变量名)进行检索。因此现有搜索技术存在着仅依赖关键字、搜索范围局限等不足。
发明内容
为了解决上述问题中的不足之处，本发明提供了一种基于语义的代码搜索方法。
为解决以上技术问题，本发明采用的技术方案是：一种基于语义的代码搜索方法，方法的实现所采用的系统分为数据收集模块、数据分析模块、数据排序模块、用户交互模块；
数据收集模块中的爬虫工具JoBo可以在配置文件中预先设定一些网站地址，爬虫工具JoBo再从预先设定的论坛和博客上抓取代码源，达到最快最有效的抓取网页；
爬虫工具JoBo抓取到的代码源，采用开源工具JDT中的抽象语法树AST框架来进行语义分析；
数据排序模块可以根据用户输入的关键字匹配、分析得到相应的搜索结果后，综合考虑五方面的因素：关键字在代码中出现的次数、注释部分在代码中所占的比例、代码长度是否在上下界之内、是否提供了代码出处的链接、与用户喜好的匹配程度；每一因素的取值乘上相应的权重后求和得出代码的综合评分，通过数据排序将搜索结果按照分值从高到底依次排列展现给用户。
本发明一方面调用主流的代码搜索引擎获得排名靠前的搜索结果，另一方面利用网络爬虫从大型的blog或论坛中抓取代码片段，增加了代码的搜索量，使得搜索结果更加丰富；而对于网络爬虫爬出来的文件应用Java开发工具(JDT)中的抽象语法树(AST)进行解析，给代码标注上了类名、方法名、变量等语义信息，使得用户可以针对这些描述信息进行搜索，提高了搜索结果的查准率；对于最后展现出来的搜索结果用户可以进行投票、添加标签等操作，这将有利于搜索结果排序的优化。
本发明利用了现有最好的Google code、Koders等搜索引擎，并在此基础上做了相应的扩展，如语义信息识别、排序等；通过配置爬虫定义搜索范围，由此提高搜索的效率和查准的精度；考虑用户喜好，依照代码质量若干因素的综合评分对搜索结果进行排序。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明的系统结构示意图。
图2为SearchCall类图。
图3为DataAnalysis类图。
图4为ResultItem类图。
图5为JoBo网页爬虫搜索流程图。
ICS：ICodeSearch，代码搜索引擎软件。
JoBo：爬虫程序的一种。
JDT Java：开发工具(Java development tools)，用于解析java文件的结构。
Ontology：本体，是共享概念模型的形式化规范说明
具体实施方式
本发明所采用的系统分为四大模块：数据收集模块(Data Collection)、数据分析模块(Data Analysis)、数据排序模块(Data Sort)、用户交互模块(User Interact ion)。
下面分别阐述每一模块的实现方案：
1、数据收集模块
ICS数据源的获取有两个途径：一是调用目前市场主流的代码搜索引擎Google Code Search和Koders，根据用户输入的关键字获取前10页的搜索结果(为了提高搜索效率，在对查准率影响不大的前提下系统截取前十页作为搜索结果)；二是利用爬虫工具JoBo，在配置文件中预先设定一些网站地址，例如CSDN、CVS知识库、Subversion知识库等，在系统空闲的时刻爬虫会自动搜寻该网站下的代码源上传至服务器。
搜索调用(SearchCall)部分就是实现了调用主流的搜索引擎获得相应的搜索结果。调用原理是采用java.net.HttpURLConnection对象，根据GoogleCode Search和Koders的搜索链接，获取相应的响应内容(xml格式的数据)。图2是该功能实现的类图：其中两个方法：getResultOfGoogle和getResut1OfKoders分别用于获取两个代码搜索引擎的搜索结果。
爬虫(Crawler)部分是利用爬虫工具JoBo从预先设定的论坛和博客上抓取代码源，Jobo是一个基于Java的开源的爬虫工具，它采用IP搜索策略和深度优先搜索策略进行搜索，以达到最快最有效的抓取网页的效果。
2、数据分析模块
在数据收集模块获取到数据源之后，需要对形式各样、结构不一的数据进行再次处理，统一成同一结构的数据，方便后期的用户查询，这一功能是通过数据分析模块实现的。因为数据源来自两个途径，所以分析过程也分为两个部分，一是对外部搜索引擎搜索结果的分析；二是对爬虫抓取的代码源的分析。
调用外部引擎返回的结果为xml文本文件，我们采用开源工具htmlparser在xml文件中提取系统需要的信息。类org.htmlparser.NodeFilter利用xml中的tag标签，进行文本内容划分，类org.htmlparser.NodeList储存划分后提取到的信息，划分的过程可以进行多次，直至找到满足需要的信息。图3为该功能实现的类图：其中两个方法：getResultItemOfGoogle和getResutlItemOfKoders分别用于对Google、Koders两个代码搜索引擎的搜索结果进行分析，返回我们自定义的ResultItem结构的数据列表。
ResultItem的类图如图4所示，包含文件名称(fileName)、文件链接(fileLink)、预览区域的文本内容(codePreview)、预览文本的链接(codePreviewLink)、代码源的文本内容(codeSource)、代码源的链接(codeSourceLink)、代码源的主域名(codeSourcePage)、代码协议(codeLicense)、代码协议的链接(codeLicenseLink)、代码语言(codeLanguage)等信息。
而对于爬虫工具JoBo抓取到的代码源，我们采用开源工具JDT(JavaDevelopment Tools)中的抽象语法树AST(Abstract Syntax Tree)框架来进行语义分析。AST理解语言元素之间的关系。它可以识别象局部变量、实例变量、表达式以及if语句等六十多种不同的语言元素。我们通过AST可以获取到每一个Java文件中的import列表、方法列表、变量列表、包名、类名、注释信息等等。这些信息都以entity对象的形式存入到数据库中。
3、数据排序模块
根据用户输入的关键字匹配、分析得到相应的搜索结果后，需要以怎么的顺序排列呈现给用户？这部分功能通过数据排序(DataSort)实现，数据排序综合考虑五方面的因素：关键字在代码中出现的次数、注释部分在代码中所占的比例、代码长度是否在上、下界之内、是否提供了代码出处的链接、与用户喜好的匹配程度。每一因素的取值乘上相应的权重后求和就是代码的综合评分，我们将搜索结果按照分值从高到底依次排列展现给用户。
4、用户交互模块
用户交互模块我们提供了注册、登陆、上传代码范例、投票、打标签等功能。
一、Eclipse JDT(Java Development Tools)相关技术介绍
Eclipse平台本身是构建工具和应用程序的基础。插入到平台中的插件提供了特殊的能力，使它适合于开发特定类型的应用程序。这一部分是一个真实工具的案例，Java开发工具(JDT)，它向平台添加了Java程序开发的能力。JDT包含在Eclipse SDK中。JDT向Eclipse平台添加了Java IDE的能力。
JDT作为Eclipse的Java开发工具，提供了解析Java源文件，编译为中间代码的AST(Abstract Syntax Tree)的结构，可以在更高层次上修改代码，比如Eclipse中的Refactor就可以高度智能话的修改代码。JDT实际上是将Java代码构建成一个基于DOM结构的抽象语法树AST(Abstract Syntax Tree)。代码中的每个部分都对应一个节点ASTNode，许多的ASTNode就构成了这个抽象的语法树。Java Class一般对应Compilation Unit node，该节点也是AST树上的顶点。我们也可以使用AST动态生成代码或修改代码。
主要过程入下：
(a)得到java源文件或是他对应的compilationUint(CU)，然后由AST.setSource()设定，再由AST.create()创建一个AST树，返回根节点，ASTNode.
(b)使用ASTRewrite修改源文件，将结果保存在TextEditor对象中
(c)使用apply()方法实现这些修改。
二、JoBo爬虫技术简介
本发明所采用的技术手段是利用JoBo爬虫。JoBo爬虫是一个用于下载整个Web站点的简单工具。它本质是一个Web Spider。与其它下载工具相比较它的主要优势是能够自动填充form(如：自动登录)和使用cookies来处理session。JoBo还有灵活的下载规则(如：通过网页的URL，大小，MIME类型等)来限制下载。由于JoBo爬虫程序简单、轻量级且易于集成等特征，我们的搜索引擎采用它作为代码搜索的爬虫程序，它是以java实现的。
JoBo网页爬虫采用的搜索策略为IP搜索策略加上深度优先搜索策略的结合策略。具体流程如图5所示。
Claims (1)
1.一种基于语义的代码搜索方法，其特征在于：方法的实现所采用的系统分为数据收集模块、数据分析模块、数据排序模块、用户交互模块；
所述数据收集模块中的爬虫工具JoBo可以在配置文件中预先设定一些网站地址，爬虫工具JoBo再从预先设定的论坛和博客上抓取代码源，达到最快最有效的抓取网页；
所述爬虫工具JoBo抓取到的代码源，采用开源工具JDT中的抽象语法树AST框架来进行语义分析；
所述数据排序模块可以根据用户输入的关键字匹配、分析得到相应的搜索结果后，综合考虑五方面的因素：关键字在代码中出现的次数、注释部分在代码中所占的比例、代码长度是否在上下界之内、是否提供了代码出处的链接、与用户喜好的匹配程度；每一因素的取值乘上相应的权重后求和得出代码的综合评分，通过数据排序将搜索结果按照分值从高到底依次排列展现给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010106121016A CN102063488A (zh) | 2010-12-29 | 2010-12-29 | 一种基于语义的代码搜索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010106121016A CN102063488A (zh) | 2010-12-29 | 2010-12-29 | 一种基于语义的代码搜索方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102063488A true CN102063488A (zh) | 2011-05-18 |
Family
ID=43998763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010106121016A Pending CN102063488A (zh) | 2010-12-29 | 2010-12-29 | 一种基于语义的代码搜索方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102063488A (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102760151A (zh) * | 2012-04-05 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 开源软件获取与搜索系统的实现方法 |
| CN102760058A (zh) * | 2012-04-05 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 面向大规模协作开发的海量软件项目共享方法 |
| WO2013117147A1 (zh) * | 2012-02-09 | 2013-08-15 | 腾讯科技（深圳）有限公司 | 微博排序、搜索、展示方法和系统 |
| CN103389974A (zh) * | 2012-05-07 | 2013-11-13 | 腾讯科技（深圳）有限公司 | 进行信息搜索的方法及服务器 |
| GB2506162A (en) * | 2012-09-24 | 2014-03-26 | Ibm | Searching source code |
| CN105335402A (zh) * | 2014-07-23 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 基于静态Cache的搜索方法、索引数据生成方法以及装置 |
| CN106294786A (zh) * | 2016-08-12 | 2017-01-04 | 北京创新乐知信息技术有限公司 | 一种代码搜索方法和系统 |
| CN106294785A (zh) * | 2016-08-12 | 2017-01-04 | 北京创新乐知信息技术有限公司 | 内容筛选方法以及系统 |
| CN103823855B (zh) * | 2014-02-19 | 2017-01-18 | 天津大学 | 面向语义网的中文百科知识组织与集成方法 |
| KR101727015B1 (ko) * | 2016-05-09 | 2017-04-14 | (주)투비소프트 | 오픈 소스 기반 소스코드 매칭방법 및 장치 |
| CN106681708A (zh) * | 2016-11-16 | 2017-05-17 | 中国科学院软件研究所 | 一种基于数据挖掘的源代码注释自动生成方法 |
| CN106991144A (zh) * | 2017-03-22 | 2017-07-28 | 山东大学 | 一种定制数据爬取工作流的方法及系统 |
| CN107491534A (zh) * | 2017-08-22 | 2017-12-19 | 北京百度网讯科技有限公司 | 信息处理方法和装置 |
| CN110008344A (zh) * | 2019-04-16 | 2019-07-12 | 中森云链(成都)科技有限责任公司 | 一种自动给代码打数据结构标签的方法 |
| CN110308931A (zh) * | 2019-06-20 | 2019-10-08 | 平安科技（深圳）有限公司 | 一种数据处理方法及相关装置 |
| CN111177312A (zh) * | 2019-12-10 | 2020-05-19 | 同济大学 | 一种语法和语义融合的开源代码搜索方法 |
| CN111638901A (zh) * | 2020-05-11 | 2020-09-08 | 紫光云技术有限公司 | 一种针对云产品bug自动定位的处理装置及方法 |
| CN112416431A (zh) * | 2020-11-23 | 2021-02-26 | 南京航空航天大学 | 一种基于编码序列表示的源代码片段成对比较方法 |
| CN113761163A (zh) * | 2021-08-18 | 2021-12-07 | 浙江大学 | 基于代码结构语义信息的深度代码搜索方法、系统及装置 |
| US11481212B2 (en) | 2020-09-11 | 2022-10-25 | International Business Machines Corporation | Automatic identification of reference data |
| US11720346B2 (en) | 2020-10-02 | 2023-08-08 | International Business Machines Corporation | Semantic code retrieval using graph matching |
-
2010
- 2010-12-29 CN CN2010106121016A patent/CN102063488A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 刘石: "基于语法与语义分析的代码搜索结果优化", 《计算机科学》 * |
| 牛家浩: "基于抽象语法树的软件度量工具的设计与实现", 《计算机应用》 * |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013117147A1 (zh) * | 2012-02-09 | 2013-08-15 | 腾讯科技（深圳）有限公司 | 微博排序、搜索、展示方法和系统 |
| US9785677B2 (en) | 2012-02-09 | 2017-10-10 | Tencent Technology (Shenzhen) Company Limited | Method and system for sorting, searching and presenting micro-blogs |
| CN102760151B (zh) * | 2012-04-05 | 2015-02-25 | 中国人民解放军国防科学技术大学 | 开源软件获取与搜索系统的实现方法 |
| CN102760058A (zh) * | 2012-04-05 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 面向大规模协作开发的海量软件项目共享方法 |
| CN102760151A (zh) * | 2012-04-05 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 开源软件获取与搜索系统的实现方法 |
| CN102760058B (zh) * | 2012-04-05 | 2015-03-11 | 中国人民解放军国防科学技术大学 | 面向大规模协作开发的海量软件项目共享方法 |
| CN103389974A (zh) * | 2012-05-07 | 2013-11-13 | 腾讯科技（深圳）有限公司 | 进行信息搜索的方法及服务器 |
| CN103389974B (zh) * | 2012-05-07 | 2017-12-08 | 深圳市世纪光速信息技术有限公司 | 进行信息搜索的方法及服务器 |
| US9454613B2 (en) | 2012-05-07 | 2016-09-27 | Tencent Technology (Shenzhen) Company Limited | Method and server for searching information |
| WO2013166916A1 (zh) * | 2012-05-07 | 2013-11-14 | 深圳市世纪光速信息技术有限公司 | 进行信息搜索的方法及服务器 |
| GB2506162A (en) * | 2012-09-24 | 2014-03-26 | Ibm | Searching source code |
| US9268558B2 (en) | 2012-09-24 | 2016-02-23 | International Business Machines Corporation | Searching source code |
| CN103823855B (zh) * | 2014-02-19 | 2017-01-18 | 天津大学 | 面向语义网的中文百科知识组织与集成方法 |
| CN105335402A (zh) * | 2014-07-23 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 基于静态Cache的搜索方法、索引数据生成方法以及装置 |
| CN105335402B (zh) * | 2014-07-23 | 2018-12-04 | 阿里巴巴集团控股有限公司 | 基于静态Cache的搜索方法、索引数据生成方法以及装置 |
| KR101727015B1 (ko) * | 2016-05-09 | 2017-04-14 | (주)투비소프트 | 오픈 소스 기반 소스코드 매칭방법 및 장치 |
| CN106294785A (zh) * | 2016-08-12 | 2017-01-04 | 北京创新乐知信息技术有限公司 | 内容筛选方法以及系统 |
| CN106294786A (zh) * | 2016-08-12 | 2017-01-04 | 北京创新乐知信息技术有限公司 | 一种代码搜索方法和系统 |
| CN106681708A (zh) * | 2016-11-16 | 2017-05-17 | 中国科学院软件研究所 | 一种基于数据挖掘的源代码注释自动生成方法 |
| CN106991144A (zh) * | 2017-03-22 | 2017-07-28 | 山东大学 | 一种定制数据爬取工作流的方法及系统 |
| CN106991144B (zh) * | 2017-03-22 | 2021-01-29 | 山东大学 | 一种定制数据爬取工作流的方法及系统 |
| CN107491534A (zh) * | 2017-08-22 | 2017-12-19 | 北京百度网讯科技有限公司 | 信息处理方法和装置 |
| CN110008344A (zh) * | 2019-04-16 | 2019-07-12 | 中森云链(成都)科技有限责任公司 | 一种自动给代码打数据结构标签的方法 |
| CN110008344B (zh) * | 2019-04-16 | 2020-09-29 | 中森云链(成都)科技有限责任公司 | 一种自动给代码打数据结构标签的方法 |
| CN110308931A (zh) * | 2019-06-20 | 2019-10-08 | 平安科技（深圳）有限公司 | 一种数据处理方法及相关装置 |
| CN110308931B (zh) * | 2019-06-20 | 2024-06-07 | 平安科技（深圳）有限公司 | 一种数据处理方法及相关装置 |
| CN111177312A (zh) * | 2019-12-10 | 2020-05-19 | 同济大学 | 一种语法和语义融合的开源代码搜索方法 |
| CN111638901A (zh) * | 2020-05-11 | 2020-09-08 | 紫光云技术有限公司 | 一种针对云产品bug自动定位的处理装置及方法 |
| US11481212B2 (en) | 2020-09-11 | 2022-10-25 | International Business Machines Corporation | Automatic identification of reference data |
| US11720346B2 (en) | 2020-10-02 | 2023-08-08 | International Business Machines Corporation | Semantic code retrieval using graph matching |
| CN112416431A (zh) * | 2020-11-23 | 2021-02-26 | 南京航空航天大学 | 一种基于编码序列表示的源代码片段成对比较方法 |
| CN113761163A (zh) * | 2021-08-18 | 2021-12-07 | 浙江大学 | 基于代码结构语义信息的深度代码搜索方法、系统及装置 |
| CN113761163B (zh) * | 2021-08-18 | 2024-02-02 | 浙江大学 | 基于代码结构语义信息的深度代码搜索方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102063488A (zh) | 一种基于语义的代码搜索方法 | |
| US8972372B2 (en) | Searching code by specifying its behavior | |
| CN104951539B (zh) | 互联网数据中心有害信息监测系统 | |
| Kumar et al. | Keyword query based focused Web crawler | |
| US9323834B2 (en) | Semantic and contextual searching of knowledge repositories | |
| CN107016102B (zh) | 一种大数据网络爬虫分页配置方法 | |
| CN101231661A (zh) | 对象级知识挖掘的方法和系统 | |
| CN101655862A (zh) | 信息对象搜索的方法和装置 | |
| CN102360367A (zh) | 一种xbrl数据搜索方法及搜索引擎 | |
| Poveda et al. | Application of semantic search in Idea Management Systems | |
| Sharma et al. | A novel architecture for deep web crawler | |
| CN114117242A (zh) | 数据查询方法和装置、计算机设备、存储介质 | |
| CN104778232A (zh) | 一种基于长查询的搜索结果的优化方法和装置 | |
| Meng et al. | Data extraction from the web based on pre-defined schema | |
| Dixit et al. | Design of an ontology based adaptive crawler for hidden web | |
| Furche et al. | How the Minotaur turned into Ariadne: ontologies in Web data extraction | |
| Chang et al. | Supporting unified interface to wrapper generator in Integrated Information Retrieval | |
| Saranya et al. | A Study on Competent Crawling Algorithm (CCA) for Web Search to Enhance Efficiency of Information Retrieval | |
| Alafif et al. | Domain and range identifier module for semantic web search engines | |
| TWI423053B (zh) | Domain Interpretation Data Retrieval Method and Its System | |
| Neeli et al. | Automated data mining from web servers using perl script | |
| Chen et al. | SE4SC: A specific search engine for software components | |
| Milenkovic et al. | Enabling knowledge management in complex industrial processes using semantic web technology | |
| de La Cruz-Caicedo et al. | Semantic annotation of SOAP web services based on word sense disambiguation techniques | |
| JP5559725B2 (ja) | 複数の情報ブロックに区分されたウェブページを用いた情報検索サービス提供方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110518 |
|
| RJ01 | Rejection of invention patent application after publication |