仲子说

研究网页抽取的论文很多，但是系统很少。
研究新闻标题和内容的自动抽取的论文也很多，但是实际可用的自动抽取程序也很少。
我们实验室研究Web抽取技术已经很多年，在国内也算处于领先地位。以前虽然也有一些demo系统，但是离实际可用仍然有一些距离。直到后来，我在lincan师兄的带领下，才开始构造网页数据抽取的系统，学名为Deep Web数据集成系统（深层...

云计算与数据管理专题导言
王仲远
云计算(Cloud Computing)是一项正在兴起中的技术。它是当前业界最火的词汇之一，它与很多或时髦或老牌的技术词汇联系到一起，比如虚拟化、网格、SaaS。
云计算是在分布式系统、网格计算等基础上提出的一个新概念，它面对的是超大规模的分布式环境，其核心是提供数据存储以及网络计算，由此衍生出一系列的服务。它的出...

虽然之前央视曝光了百度的竞价排名模式可能带来的危害（感兴趣的朋友可以点击关键字百度进行查看），但是百度CEO李彦宏坚称竞价排名的商业模式本身没问题，百度不会放弃该业务模式。并且李彦宏提到“百度离破产只有30天。大家之所以看好搜索市场，就是因为它的成长速度非常高。成长也是变化的一种，如果不能及时把握市场需求的变化，就会被淘汰”。这其实是...

任何一种新技术的产生，必然都是为了解决原有技术无法解决的问题。就如当初数据库取代文件系统，解决了文件系统的冗余性、数据存取困难、不一致性等问题。而在Web应用环境下，Web规模的文件系统又解决了数据库难以处理的超大数据量、响应速度较低等问题。
云计算也是如此，它的产生不是一蹴而就，而是在Web发展过程中以及Web数据管理研究的演化中产生的。因...

随着Web（网络）的兴起，如何有效的管理Web数据，一直是一个热门的研究课题。而云计算，自其诞生之日起，就离不开Web，以及Web上的数据管理。
在Web发展的初期，大量页面以HTML页面（即静态页面）的形式存在，杂乱无章，无法进行有效管理。之后，搜索引擎的产生，在一定程度上将这些海量页面进行了重新组织，建立索引，提供给用户进行搜索。但是，Web经过一段...

Data Integration是近些年来国际上的一个研究热点，目前已经有许许多多的相关paper发表了。在这个领域上的牛人自然很多，今天就说说其中两个牛人的去向吧。
一个是Alon Y. Halevy，他是最早提出Data Integration框架的人，他在VLDB1996上的那篇《Querying Heterogeneous Information Sources Using Source Descriptions》文章获得VLDB2006年颁发的十年最佳paper，并由此提出了Dataspace的概念，在全世界上...

我们组的头刘博今天进行博士论文答辩，题目是《Deep Web数据集成中关键技术研究》。他在这次报告中主要介绍了他博士期间做的几个题目，包括基于视觉的数据抽取以及实体识别等。刘博今天也第一次打上领带，很精神：）
刘博是个好人啊～想当初刚到实验室，多亏他的帮助与指点，才一步步进入正轨。现在他要走了，他真的要走了。。。那就祝他一路走好吧！
...