基于XML技术电子政务WEB数据挖掘研究.docVIP

基于XML技术电子政务WEB数据挖掘研究 　　0 引言 　　目前电子政务的内容主要包括辖区内政府门户网站、财物结算公开系统、信息亭终端、网上审批、电子地图、内部办公系统等。大部分系统采用基于B/S的技术实现，随着云计算等技术的出现，政务信息资源开发利用得到更深层次的发展，数据大集中以及信息交换等很高的计算能力得以实现，这就要求有一种技术能够支持这些数据的充分利用。基于WEB的数据属于半结构化数据，在进行数据统计、汇总、分析的过程中比较难。尤其是基于异构数据平台的政府门户网站、政务应用系统、政府数据中心等系统，数据格式不统一，数据的利用度相对较低。 　　1 XML技术简介 　　根据WEB技术发展的需要，万维网协会（W3C）设计了XML（extensible Markup Lang uage）语言，逐渐发展成为Web应用服务的SGML（Standard Ge neral Markup Language）的一个重要分支。XML通过描述结构化资料的格式，将不同类型的数据统一到一个发布平台上，他是一种类似于HTML的语言，但是又比HTML语言要复杂。实际上，XML提供了一些特殊的方法来共享数据，它是用来自动描述信息的一种新的标准语言，它能使计算机通信把Internet的功能由信息传递扩大到人类其他多种多样的活动中去，XML具有以下特点： 　　1）简单。XML经过精心设计，整个规范简单明了，它由若干规则组成，这些规则可用于创建标记语言，并能用一种常常称作分析程序的简明程序处理所有新创建的标记语言。XML能创建一种任何人都能读出和写入的世界语，这种创建世界语的功能叫做统一性功能。如XML创建的标记总是成对出现，以及依靠称作统一代码的新的编码标准。 　　2）开放。XML是SGML在市场上有许多成熟的软件可用来帮助编写、管理等，开放式标准XML的基础是经过验证的标准技术，并针对网络做最佳化。众多业界顶尖公司，与W3C的工作群组并肩合作，协助确保交互作业性，支持各式系统和浏览器上的开发人员、作者和使用者，以及改进XML标准。XML解释器可以使用编程的方法来载入一个XML的文档，当这个文档被载入以后，用户就可以通过XML文件对象模型来获取和操纵整个文档的信息，加快了网络运行速度。 　　3）高效且可扩充。支持复用文档片断，使用者可以发明和使用自己的标签，也可与他人共享，可延伸性大，在XML中，可以定义无限量的一组标注。XML提供了一个标示结构化资料的架构。一个XML组件可以宣告与其相关的资料为零售价、营业税、书名、数量或其它任何数据元素。随着世界范围内的许多机构逐渐采用XML标准，将会有更多的相关功能出现：一旦锁定资料，便可以使用任何方式透过电缆线传递，并在浏览器中呈现，或者转交到其他应用程序做进一步的处理。XML提供了一个独立的运用程序的方法来共享数据，使用DTD，不同的组中的人就能够使用共同的DTD来交换数据。你的应用程序可以使用这个标准的DTD来验证你接受到的数据是否有效，你也可以使用一个DTD来验证你自己的数据。 　　4）国际化。标准国际化，且支持世界上大多数文字。这源于依靠它的统一代码的新的编码标准，这种编码标准支持世界上所有以主要语言编写的混合文本。在HTML中，就大多数字处理而言，一个文档一般是用一种特殊语言写成的，不管是英语，还是日语或阿拉伯语，如果用户的软件不能阅读特殊语言的字符，那么他就不能使用该文档。但是能阅读XML语言的软件就能顺利处理这些不同语言字符的任意组合。因此，XML不仅能在不同的计算机系统之间交换信息，而且能跨国界和超越不同文化疆界交换信息。 　　2 XML技术与WEB数据挖掘 　　XML给基于Web的应用软件赋予了强大的功能和灵活性，因此它给开发者和用户带来了许多好处。比如进行更有意义的搜索，并且Web数据可被XML唯一地标识。没有XML，搜索软件必须了解每个数据库是如何构建的，但这实际上是不可能的，因为每个数据库描述数据的格式几乎都是不同的。由于不同来源数据的集成问题的存在，现在搜索多样的不兼容的数据库实际上是不可能的。XML能够使不同来源的结构化的数据很容易地结合在一起。软件代理商可以在中间层的服务器上对从后端数据库和其它应用处来的数据进行集成。然后，数据就能被发送到客户或其他服务器做进一步的集合、处理和分发。XML的扩展性和灵活性允许它描述不同种类应用软件中的数据，从描述搜集的Web页到数据记录，从而通过多种应用得到数据。同时，由于基于XML的数据是自我描述的，数据不需要有内部描述就能被交换和处理。利用XML，用户可以方便地进行本地计算和处理，XML格式的数据发送给客户后，客户可以用应用软件解析数据并对数据进行编辑和处理。使用者可以用不同的方法处理数据，而不仅仅是显示它。XML文档对象模式（DOM）允许用