Web上的数据挖掘及应用.pdfVIP

维普资讯 ¨ L 中国高新技术企业 Web上的数据挖掘及应用 ◇ 文 ／张艺雪 【摘 要】 Web上的数据挖掘是数据挖掘技 术在 网络数据处理 中的应 用，本 文阐述了Web数据的特点，Web 上 的数据 挖掘 的含 义 、类 型 。并介 绍 了W eb上 数据挖 掘 的应 用 。 【关键词 】数据挖掘 web数据挖掘 半结构化 1．引言 页 内部链接 的频率 ；不同网站 问链接 的频率 。 数据挖掘 (DataMining，简称 DM)是从大量数据 中挖 掘 出隐含 2．4常用 的Web数据挖掘技术 的、未知 的、用户可能感兴趣 的和对决策有潜在价 值 的知识和规则 。 (1)路径分析技术 目前 Web信息容量增 长迅速 ，已经成为全球最大 的信 息系统 ，如何 路径分析可用于发现 Web站点 中最经常被访 问的路径，从而调 从这些巨量的 Web数据 中发现有 用的知识成为人们迫切 希望解决 整站点 的结构。将网站上 的页面定义成节点 ，页面之间的超级链接 的问题 。因此 ，如何利用数据挖掘技术处理 巨量的Web数据 已成为 定义成 图中的边 ，这 样就形成 网站结构 图 ，从 图 中确定最频繁 的访 研 究的热点 。 问路径 。 2．Web数据挖掘 (2)关联规则发现技术 2．1W eb数 据 挖掘 概 述 关联规则挖掘技术主要用于从用户访 问序列数 据库 的序列项 中 WEB数据挖掘是数据挖掘 技术在 网络数据处理 中的应 用 ，它 挖掘 出相关 的规则 。如 40％的用户访 问Web页面 ／company／product1 是指在 WWW 上挖掘有趣 的、潜在 的、蕴藏的信息及有用 的模式。 时 ．也访 问 了／compnay／product2，30％的客户 在访 问／compnay／special 2．2W eb数 据 的特 点 时 。在 ／compnay／product1进 行 了在线订购 。利用这些相关性 ，可 以更 ①异构数据库环境。Web上 的每一个站点就是一个数据源 ，每 好地组织站点内的Web空间 ，实行有效 的市场战略。 个 数据源都是异构的 ，因而每一站点的信息和组织都不一样 ，这 (3)序列模式发现技术 就构成 了一个 巨大 的异构数据库 。 序列模式 的发现是指找到那些如 “一些项跟 随另一项 ”这样 的内 ②分布式数据源。Web页面散布在世界各地的Web服务器上 ， 部事务模式。其侧重点在于分析数据间的前后序列关系。它能发现 形成 了分布式数据源 。 数据库 中形如 “在某一段时间内 ．顾客购买商品A，接着购买商品B， ③半结构化。半结构化是Web上数据的最大特点。Web上的数 而后购买商品C，即序列 A—B—C出现 的频度较高”之类的知识 。发 据非常复杂，没有特定 的模型描述 ，是一种非完全结构化 的数据 ，称 现序列模式能够便于预测用户的访 问模式 ，有助于开展针对这种模 之为半结构化数据 。 式的有针对性的广告服务 。依赖于发现 的序列模式 ，能够在 服务器 ④动态性强。Web是一个动态性极强的信息源 ，信息不断