原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Web数据挖掘概述与基础
万小军
2011-08-09
语言计算与互联网挖掘研究室
内容
Web挖掘简介
Web挖掘应用
Web挖掘基础
2
Web增长
Web页面数量百亿
Web的增长速度大于每天一百万页面，相当于印
度人口增长率的10倍.
3 Different colors represent the proliferation of different IP addresses
Web数据类型
Free Texts
HTML Files
Content Data XML Files
Dynamic Content
Multimedia
Web Data
Static Link
Structure Data
Dynamic Link
Usage Data
User Profile Data
4
Web特点
超过100亿的HTML页面
具有大量的信息财富
分布式
动态性
通过链接形成一个图/网络结构
每天有数量巨大的用户查询请求与点击交互
对Web用户来说只有少量相关信息和有用信息
5
Web挖掘任务
WWW
Knowledge
6
什么是Web挖掘
由数据挖掘技术发展而来
Web挖掘
由 Etzioni (1996)提出
使用数据挖掘的技术自动从Web文档/服务
发现和提取信息和知识，包括隐含的模式
和关系等
7
为什么要挖掘Web?
寻找相关的信息，改善检索效果
从Web上已有的信息中创造出新的知识
信息的个性化需求
可以学习到用户的行为、兴趣爱好
…
8
相关技术
数据库
Web挖掘
信息检索
人工智能
自然语言处理
信息抽取
文档评论（0）