XML在Web数据挖掘技术中的应用.pdfVIP

维普资讯 僵息技术与僵患亿 XML在 Web数据挖掘技术 中的应用 TheApplicationofXML inWebDataMining 张建喜 王洪国一 赵培英 ZHANGJian-xi WANGHong-guo ZHAOPei-ying Abstract WebDataMininghasbeenallobjectwidelystudied。ManysitesonintemetareconstructdewithHT· ML，whichmakeWebDataMiningquitedifficult．XMLmakeittosolvehteproblem ofWebDataMining。Thepaper mainlyintroducedttmehtodwhichminde hteHTMLbasedsitesmakingfiflluseoftheadvnatagesofXML． Keywords DM XML Webdatamining H舢 ． 千万的速度增长。 1 引言 2．2 动态性 数据挖掘(DataMining ，DM)是近年来伴随着人工智能和 Web不仅以极快的速度增长，而且其信息还在不断的更新。 数据库技术的发展而出现的一种全新的信息技术，数据挖掘 新闻，公司广告，股票市场，Web服务中心等都在不断地更新着 的目的是发现人们不易察觉的隐含的模式，从而提高市场决 各自的页面。链接信息和查找记录也在频繁更新之中。 策能力，检测异常模式，在过去的经验基础上预言未来趋势 2．3 异构性 等。随着 Intemet的飞速发展，Web上的信息量无比丰富，Web 从数据库研究的角度出发，Web网站上的信息是一个更 已经成为人们获取信息的重要途径。但最先进的搜索引擎也 大，更复杂的数据库。Web上的每个站点就是一个数据源， 只能找到Web网址的 1／3网页，而且无论怎么选择关键词都 每个数据源都是异构的，这就构成了一个巨大的异构数据库 会返回大量不需要的结果，因为Web是无结构的，动态的，页 环境。 面也相当复杂。人们从成千上万的Web站点中找到有用的数 2．4 半结构化的数据结构 据就变得比较困难。Web挖掘技术是克服这些缺点的最理想 web上的数据非常复杂，没有特定的模型描述 ，每个站 的工具，但是同时面向Web的数据挖掘极具挑战性。 点的数据都各 自独立设计，并且数据本身具有 自述和动态可 变性。是一种非完全结构化的数据。所谓半结构化数据是 2 We1)数据挖掘 相对于完全结构化的传统数据库 的数据而言，半结构化是 当数据挖掘技术应用于网络环境下的Web中就成为 Web数据的最大特点。 web挖掘 (webMining)，它是从web文件和Web活动中筛选 3 引入XML的必要性 感兴趣的潜在的有用模式和隐藏的信息。Web挖掘可以广 义地定义为从w 中发现和分析有用的信息。 XML(eXtensibleMarkupLangue，可扩展标识语言)是 Web数据挖掘的对象包括：a．Web文档的内容挖掘；b． w3c(w0r1dWideWebConsortium，互联网联合组织)于 1998 Web文档的结构挖掘；e．Web日志挖掘。相对于 Web的数据 2月发布的一种标准，目前已成为正式的规范，同HTML一杵 而言，传统的数据库中的数据结构性很强，即其中的数据为 是SGML(Standar