【论文】编辑距离的Web数据挖掘问题研究.pdfVIP

编辑距离的Web数据挖掘问题研究 陈 熙 南充职业技术学院四川 南充637000 在大量信息中进行智能化、自动化选择，找出信息中具有一定使用价值的知识点，并从知识点中揭示含有这些数据的背后客观世界中的内在联系和 规律，可以应用于宏观辅助决策，解决社会发展中实质性问题。本文主要从编辑距离的角度对Web数据挖掘技术进行分析。 【关键词】编辑距离Web数据挖掘 中图分类号：TP311．1文献标识码：B文章编号：1009-4067(2014)06-46一Ol 基于编辑距离的Web数据挖掘技术指在万维网上对有趣的信息、 的最小数值进行计算，并且当两个字符串比较相近的时候，可以减少其 潜在的信息、蕴藏的信息以及各种有用的信息模式等进行深入挖掘。原 中三分之二的计算量。 始的数据可能以结构化的形式存在，比如关系数据库当中的数据，也可 二、树编辑距离和字符串编辑距离之间的对比 以通过板结构的形式存在，比如文本图形以及图像数据等等，甚至有可 从树编辑距离延伸到字符串编辑距离，相似度和精度将会收到一定 能是分布于网络上异构性的数据。Web数据与传统数据库当中的数据 的损失，w与T的树编辑距离可以简单是酸味377，树s先序遍历 存在一定差异性，因为他具有半结构化的特点。所以基于编辑距离的 Web数据挖掘分析要比常规数据挖掘要复杂许多。 一、基于编辑距离方面的Web数据挖掘 辑距离算法中我们可以计算出这部分的结果是0．树s后序遍历abcd，T 的后序遍历可以视为chad，字符串方面的编辑距离为2．由此可见，不 (一)字符串编辑距离 论从先序遍历还是后序遍历，都可以让树编辑距离损失一定的精度。使 字符串编辑距离属于字符串之间进行相似度计算的一种方法，先给 用字符串编辑距离算法不论在时间上或者是在空间上，复杂度都要远远 定两个字符串，简单的将其称之为s和T，再将s转换为T所需要的， 小于树编辑的距离算法，在进行Web数据挖掘的过程中，需要对树的 进行删除、替换操作等工作，这一工作合计就称之为s到T的编辑路径， 相似度进行反复比较，经实际检验发现，树编辑距离的算法效率过过于 其中最短的编辑路径就是字符串s以及T之间的编辑距离。在进行实际 低下。网页属于一种比较特殊的文本，网络中的重复模式十分相似，只 操作时主要注意删除节点、插入节点以及替换节点之间的标签这三项工 要是重复模式，便不存在特殊化的问题。使用字符串编辑距离的算法进 作，用a—A表示删除掉其的节点。A表示空的节点，以A—b来表示 行相似度计算，可以获得比较好的效果。 插入到b节点中，用a—b表示节点a的标签更换为节点b的标签。 字符串编辑距离这一算法比简单的树匹配算法好的地方在于可以 想要把字符串S转化成字符串T，必须要经过{P1e，白白…en)操 提取一些具有特征一或者是特征二的网络上的数据，并且字符串的编辑 作，其中自(，=1，2，…，，D是以此操作，简单取E=(ele2岛国…靠) 距离算法时间的复杂程度