基于网页的数据挖掘的研究.pdfVIP

基于网页的数据挖掘研究 冯迪李晋宏曹原 北方工业大学信息工程学院100041 法和对其有改进意义的HrrS算法，详细介绍了鄹页挖掘的分类以及常用的一些方法和考虑的闫题． 关键词：wEB；挖掘；PageR姐k．HrrS ReSearch0f The Data Based0nWebsjte Mining DiI—i CaoYuan Feng Jinhong conegeofI幽艘a￡ionEn和ee趣＆No啦C妇a Abstract：This th∞des批眦Web p啦沌怕札ces她c0Ⅱelative mining．We蛆alyze也e 0fWeb Mo Web maⅡners contentⅡlin_ing．Furnlermore，we l：indsof on sn咖re compare algori血班b鸱ed mining， is that in that sh01lldbec叩sideredWeb are PageRanI【趾d瑚吣．1ntb}end，someproblemS lIs39c put mining fbrward． Keywords：WEB；Dat眦ining；PagcRank；}ⅡTS 1 引言 随着数据库技术的成熟和数据应用的普及．人类积累的数据量正在以指数速度迅速增长。进入20世纪 90年代，伴随着因特网的出现和发展，以及随之而来的企业内部网、企业外部网和虚拟私有网的产生和应用， 将整个世界联成一个小小的地球村，人们可以跨越时空的在网上交换数据信息和协同工作。并且随着Intemet 在流量，规模和复杂度等方面的飞速增长。w、^■y成为一个巨大的、分布广泛的，全球性的信息服务中心， 它涉及新闻、广告、金融管理、教育、电子政务、电子商务等各方面的信息服务。网页中包含了网页页面的 内容信息、丰富的超链接信息，以及网页页面的访问和使用信息，为数据挖掘提供了丰富的资源。网页挖掘 可以分为三类。 ·网页内容挖掘(w曲conlcntM曲g)：对网页页面的内容进行挖掘。 StfuctⅢ-e ●网页结构挖掘(帆b Mining)：对网页页面之间的结构进行挖掘。 ·网页使用信息挖掘(、№busageMining)：对用户访问网页时留下的访问记录进行挖掘。 2网页数据挖掘之网页内容挖掘 ·414· 图书馆、电子商务数据，以及其他各种通过喇页可以访问的数据库t网页内容挖掘的对象包括文本、图像、 音频、视频、多媒体和其他各种类型的数据。其中针对无结构化文本进行的网页挖掘被归类到基于文本的知 识发现(碉)T)领域，也称文本数据挖掘或文本挖掘，是网页挖掘中比较重要的技术领域·也引起了许多研 究者的关注。最近在网页多媒体数据挖掘方面的研究成为另一个热点。 网页内容挖掘一般从两个不同的观点来进行研究。从资源查找(m)的观点来看，网页内容挖掘的任务 是从用户的角度出发。怎样提高信息质量和帮助用户过滤信息。而从DB的角度讲网页内容挖掘的任务主要 是试图对阿页上的数据进行集成、建模，以支持对网页数据的复杂查询。 Re西a1)的观点挖掘非结构化文档 (1)从资源查找(InforIIlalioD 非结构化文档主要指网页上的自由文本，包括小说、新闻等。在这方面的研究