文本数据挖掘技术在Web知识库中的应用研究.pdfVIP

科 技 通 报 Vo1．28 No．12 第28卷 第 12期 2012年 12月 BULLETIN OFSCIENCEAND TECHNOLOGY Dec．2012 文本数据挖掘技术在Web知识库中的应用研究 蔡立斌 (九江学院信息技术中心，江西 九江 332005) 摘 要：介绍了文本数据挖掘和知识提取的基本理论，然后分析了网络信息的检索与挖掘的特征，特别 是文本挖掘、Web数据挖掘和基于内容数据挖掘与之相关联的系列问题。在此基础上，分析了web知识 库的设计、建立、文本数据挖掘和知识发现所需的理论和技术，对Web知识库系统的架构和功能模块进 行分析和设计，建立了基于文本数据挖掘的Web网络知识库的模型。 关键词：数据挖掘；KDD；OWL 中图分类号 ：TP311．13 文献标识码：A 文章编号：1001—7119(2012)12—0054—03 TheAppliedResearchofTextData M iningTechnologyintheW ebKnowledgeBase C Libin (InformationTechnologyCenterofJiujiangUniversity，Jiujiang332005，China) Abstract：Thisarticlefirstbrieflydescribesthebasictheoryoftextdataminingandknowledgeextraction andthenana— lyzesthenetworkinfomr ationretrievalandminingoffeature，especiallyWebtextmining，datamininganddatamining basedoncontentassociatedwiththeseriesofproblems．Onthisbasis，weanalyzedtheoryandtechnologythattheWeb knowledgebasedesign，build，textdataminingandknowledgediscovery arerequired，theWebknowledgebasesystem structureandfunctionmoduleisanalyzedanddesigned，basedontextdataminingWebnetworkknowledgebasemode1． Keywor~：datamining；KDD(knowledgediscoveryindatabases)；OW1．(Webontoloyg language) 随着数字化信息的不断增长，互联网信息中99％ 事先未知的、可理解的、最终可用的信息或知识的计算 的可分析信息是以文本形式存在。Web网页总量已达 机处理技术 。顾名思义，文本数据挖掘是从文本中进 数百亿，每天新增网页数千万，截至2011年12月底 ，中 行数据挖掘。文本挖掘是从数据挖掘发展而来，主要是 国互联网网页数量为866亿(中国互联网络信息中心统 从未经处理的文本中提取出未知的知识。但与传统的 计)。目前数据挖掘的绝大部分工作所涉及的是结构化 数据挖掘相比，文本挖掘有其独特之处，主要表现在文 数据库，很少有处理Web上的异质、非结构化信息的T 档本身是半结构化或非结构化的，无确定形式并且缺 作 [11。Web文本数据的挖掘作为数据挖掘的一个新主 乏机器可理解的语义，而数据挖掘的对象以数据库中 题，引起了人们极大兴趣。Web挖掘系统的开发对其研 的结构化数据为主，并利用关系表等存储结构来发现 究也将起到很大推进作用[21。所以，如何建立