Deep Web蕴藏着海量信息，现有的搜索引擎很难挖掘到其中的内容。如何充分地获取Deep Web中有价值的信息成为一个难题。提出了基于语义相似度计算的Deep Web数据查询方法，该方法通过语义相似度计算作为中间件，计算出关键词和数据库属性词典对应列的相似度，从而将关键词的搜索范围限制在一个（或多个）相关领域，最后生成相应的SQL查询语句。试验证明，该方法能够有效地提高基于Deep Web的数据查询效率。
PIDRILA-码头工人
面向Python交互式Deepweb的快速智能链接分析器的Docker映像
概述
PIDRILA：P ython我nteractive d eepweb为本[R APID我ntelligent大号墨nalyzer实在是快异步通过BrightSearch团队为所有的道德netstalkers开发的网络路径扫描仪的原型。
PIDRILA-Docker是根据MIT许可证发布的PIDRILA的Docker文件，请注意，根据GNU通用公共许可证版本2发布的PIDRILA its
针对数据源新产生数据记录的增量爬取问题，提出了一种deep Web 新数据发现策略，该策略采用一种新的属性值序列图模型表示deep Web 数据源，将新数据发现问题转化为属性值序列图的遍历问题，该模型仅与数据相关，与现有查询关联图模型相比，具有更强的适应性和确定性，可适用于仅仅包含简单查询接口的deep Web数据源。在此模型的基础上，发现增长节点并预测其新数据发现能力；利用互信息计算节点之间的依赖关系，查询选择时尽可能地降低查询依赖带来的负面影响。该策略提高了新数据爬取的效率，实验结果表明，在
