- 1、本文档共29页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
* Text data mining is sometimes conflated with information retrieval. In information retrieval the desired information is already known (at least to the author of an existing text), and the problem is to locate it. Text data mining, however, should strive to find new information. * The term Web Mining was coined by Etzioni (1996) to denote the use of Data Mining techniques to automatically discover Web documents and services, extract information from Web resources, and uncover general patterns on the Web. * Web Mining research can be classified into three categories: Web content mining refers to the discovery of useful information from Web contents, including text, images, audio, video, etc. Web structure mining studies the model underlying the link structures of the Web. It has been used for search engine result ranking and other Web applications. Web usage mining focuses on using data mining techniques to analyze search logs to find interesting patterns.One of the main applications of Web usage mining is its use to learn user profiles. * ‘It is estimated that 80% of the world’s online content is based on text’ Therefore, text mining should also form an important part of web mining. /wiki/TF-IDF * Web挖掘基础 赵卫东 博士 复旦大学软件学院 wdzhao@ 提纲 Web挖掘的概念 Web内容挖掘 Web结构挖掘 Web日志挖掘 知识 WWW Web 挖掘的挑战 Web数据量太庞大:Server Level Collection、Client Level Collection和 Proxy Level Collection ?Web数据的复杂性高于传统的文本文档 Web是一个动态性极强的信息源 Web面对的是一个广泛的用户群体 Web上的信息只有很小的一部分是相关的或有用的 Web挖掘与IR Web上的IR是Web挖掘的一个方面,仅是对信息有序化。 Web挖掘是智能化的IR,IR出现早,技术成熟。 Web挖掘概念 Web挖掘是从大量Web文档的集合C中发现隐含的、有用的模式P的过程:C→P 。 Web挖掘主要处理文本、图形和图像等半结构、非结构化的数据,这些数据分布在Web文档、Web服务器的日志、用户cookies等 。 Web挖掘分类 Web挖掘类 项目 Web内容挖掘 Web结构挖掘 Web日志挖掘 处理数据 类型 IR方法:无结构数据、半结构数据 Web结构数据 用户访问Web数据 主要数据 自由化文本、HTML标记的超文本 Web文档内及文档间的超链 Serverlog, Proxy serverlog, Client log 表示方法 词集、段落、概念、IR的三种经典模型 图 关系表、图 处理方法 统计、机器学习、自然语言理解 机器学习、专有算法 统计、机器学习、关联规则 主要应用 分类、聚类、模式发现 页面权重 分类聚类 模式发现 Web站点重建,商业决策 Web内容挖掘 基于网页内容或其描述中
您可能关注的文档
- 福建师范大学文学院中国古代文学课件 明代诗词概述.ppt
- 福建师范大学文学院中国古代文学课件 明代文学概况.ppt
- 福建师范大学文学院中国古代文学课件 明代中后期诗文.ppt
- 福建师范大学文学院中国古代文学课件 明前期诗文.ppt
- 福建师范大学文学院中国古代文学课件 南洪北孔.ppt
- 福建师范大学文学院中国古代文学课件 秦汉文章.ppt
- 福建师范大学文学院中国古代文学课件 清代诗词文.ppt
- 福建师范大学文学院中国古代文学课件 清代文学概述.ppt
- 福建师范大学文学院中国古代文学课件 清代戏曲.ppt
- 福建师范大学文学院中国古代文学课件 神话.ppt
- 某某单位2024年党建工作总结及2025年工作计划.doc
- 某某市发改委关于2024年度落实党风廉政建设工作责任制情况的报告.doc
- 某某局2024年全面从严治党和党风廉政建设工作总结.doc
- 某某区财政局2024年法治政府建设总结及2025年工作谋划.doc
- 2024年党管武装工作述职报告2篇.doc
- 2024年度国企党委书记抓基层党建工作述职报告3篇.doc
- 公司党委书记2024年述职述廉报告.docx
- 2024年度乡镇党委领导班子民主生活会(四个带头)对照检查材料.doc
- 市医疗保障局关于2024年法治政府建设工作情况的报告.docx
- 市民政局党组2024年巡察整改工作情况报告.docx
文档评论(0)