基于XML的Web挖掘模型研究.pdfVIP

* 基于XML的Web挖掘模型研究 ResearchofWeb ModelBasedonXML Mining 王新颖 吴 钊 (襄樊学院电气信息工程系 襄樊441003) 摘要在介绍XML语言基本特点的基础上，提出了一种基于XML的Web挖掘模型。以期解决当前Web挖掘中存 在的一些问题。 关键词XMLWeb挖掘半结构化数据源 随着web上信息量的急剧增加，如何自动地从Web上制定出自己的一套独特的标记，并能迅速投入使用，使得制定 发现、抽取和过滤信息是一个迫切需要解决的问题。Web挖 标记语言简单易行，方便使用。 掘…就是从大量的Web文档和Web活动中发现、抽取感兴 b．内容的自述性。XML是面向内容的标记语言，在 趣的、潜在的有用模式和隐含的、事先未知的、潜在的信息。 XML的标记方面不仅限定了元素的层次结构，并且说明了元 目前Web挖掘所面临的问题主要体现在以下几个方面： 素的含义，在XML的搜寻结果中由标记就可知道内容的含 a．半结构化的数据结构。Web上的数据没有特定的模型义，从而使得搜寻结果更有意义。 描述，每一站点的数据都各自独立设计，并且数据本身具有自 c．数据内容与形式的分离。搜寻不仅允许定义一套标 述性和动态可变性。因而，Web上的数据具有一定的结构 记，而且这些标记不必局限于显示格式的描述，搜寻允许根据 性，但因自述层次的存在，从而是一种非完全结构化的数据， 各种不同的规则来制定标记，比如商业规则，根据数据描述甚 称之为半结构化数据。 至根据数据关系来制定标记，XML是自描述语言，在XML b．异构数据库环境。web上的一个站点就是一个数据 中显示样式从数据文档中分离出来放在样式文件中，在XML 源，每个数据源都是异构的，因而每一站点之间的信息和组织 中数据检索可以简单高效地进行。 都不一样，这就构成了一个巨大的异构数据库环境。 d．严格的语法要求。严格的语法要求固然表面上显得繁 e．解决半结构化的数据源问题。Web挖掘技术要解决半琐，但一个有良好语法结构的文档可提供良好的可读性和可 结构化数据源模型和半结构化数据模型的查询与集成问题， 维护性。 这就要求必须要有一个模型来清晰地描述Web上的数据。 e．显示的多样性。在XML中，可以用格式文件如XSL 除了要定义一个半结构化数据模型外，还需要一种半结构化 (ExtensibleStyle 模型抽取技术，即自动地从现有数据中抽取半结构化模型的 技术【21。 的形式内嵌到HTML页面中，这种分离可以实现不同数据源 针对上述问题，本文在分析XML语言基本特点的基础 数据的无缝连接，各种数据可以在中间件上转换为XML格 上，提出了一种基于XML的web挖掘模型，并对模型的不足式，使得数据很容易地进行在线交换和传输。 和改进进行了积极的探索。 总之，以XML为基础的新一代WwW环境是直接面对 web数据的，不仅可以很好地兼容原有的Web应用，而且可 1 XM L的主要特点 以更好地实现Web中的信息共享与交换。XML可看作一种 XML是一种中介标示语言(Meta—markupLanguage)，半结构化的数据模型，可以很容易地将XML的文档描述与 可提供描述结构化资料的格式，类似于HTML，被设计用来关系数据库中的属性一一对应起来，实施精确地查询与模型 描述数据的语言。它提供了一种独立的运行程序的方法来共 抽取。 享数据，是用来自动描述信息的一种新的标准语言。其主要 2基于