基于XML的Web文本挖掘模型的研究与设计 .pdfVIP

维普资讯

第２８卷第１０期计算机工程与设计２００７年５月

ＶＯ１．２８ＮＯ．１０ＣｏｍｐｍｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎＭａｙ２００７

基于ＸＭＬ的Ｗｅｂ文本挖掘模型的研究与设计

申丽君，孟凡荣

（中国矿业大学计算机学院，江苏徐州２２１００８）

摘要：Ｗｅｂ上的数据量急剧膨胀使得进行ｗ＿ｅｂ数据挖掘成为数据挖掘技术研究的热点。而ＸＭＬ能够为ｗｌｅｂ挖掘提供半结

构化的数据模型，解决了Ｗｅｂ挖掘中的数据源问题。介绍了ＸＭＬ的和Ｗｅｂ丈本挖掘的概念，提出了一种基于ＸＭＬ的Ｗｅｂ

丈本挖掘模型，剖析了该模型的各个组成部分，给出了该模型的特点。

关键词：Ｗｅｂ数据挖掘；数据挖掘技术；半结构化；数据源；Ｗｅｂ文本挖掘；基于ＸＭＬ的Ｗｅｂ丈本挖掘模型

中图法分类号：ＴＰ３９９文献标识码：Ａ文章编号：１０００・７０２４（２００７）１０・２２８７・０４

ＲｅｓｅａｒｃｈａｎｄｄｅｓｉｇｎｏｆＸＭＬ—ｂａｓｅｄｗｅｂｔｅｘｔｍｉｎｉｎｇｍｏｄｅｌ

ＳＨＥＮＬｉ－ｊｕｎ，ＭＥＮＧＦａｎ—ｒｏｎｇ

（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＭｉｎｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｕｚｈｏｕ２２１００８，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｆｌｏｏｄｏｆｈｔｅｄａｔａｏｎｔｈｅｗｅｂ，ｗｅｂｄａｔａｍｉｎｉｎｇｈａｓｂｅｃｏｍｅｈｔｅｆｏｃｕｓｏｆｈｔｅｄａａｔｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙ．ＸＭＬｃａｎ

ｐｒｏｖｉｄｅａｓｅｍｉ．ｓｔｒｕｃｔｒｕａｌｄａｔａｍＯｄｅｌｆｏｒｗｅｂｄａａｔｍｉｎｉｎｇ，ｒｅｓｏｌｖｉｎｇｈｔｅｄｉｆｆｉｃｕｌｏｔｆｄａｔａｓｏｕｓｅｏｆｒｗｅｂｍｉｎｉｎｇ．ＴｈｅｄｅｆｉｎｉｔｉｏｎｏｆＸＭＬ

ａｎｄｗｅｂｔｅｘｔｍｉｎｉｎｇｉｓｉｎｔｒｏｄｕｃｅｄｇｅｎｅｒａｌｌｙ，ａｍＯｄｅｌｏｆＸＭＬ・ｂａｓｅｄｗｅｂｔｅｘｔｍｉｎｉｎｇｉｓｄｅｓｉｇｎｅｄ，ａｎｄｔｈｅｐａｒｔｓｏｆｔｈｅｍｏｄｅｌｉｓｎａａｌｙｓｅｄ，

ｎａｄｆｉｎａｌｌｙｈｔｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｍＯｄｅｌｉｓｐｒｅｓｅｎｔｅｄ．

Ｋｅｙｗｏｒｄｓ：ｗｅｂｄａｔａｍｉｎｉｎｇ；ｄａａｔｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙ；ｓｅｍｉ・ｓｔｒｕｃｔｒｕａｌ；ｄａｔａｓｏｕｒｃｅ；ｗｅｂｔｅｘｔｍｉｎｉｎｇ；ｍｏｄｅｌｏｆＸＭＬ・ｂａｓｅｄｗｅｂ

ｔｅｘｔｍｉｎｉｎｇ

０引言Ｗｅｂ挖掘

目前ＸＭＬ正逐渐成为新一代互联网数据组织和交换的

Ｗｅｂ内容挖掘ｌＷｅｂ结构挖掘ｌｌＷｅＩｂ使用挖掘

标准，ＸＭＬ数据模型与半结构化数据的对应非常明显，可以

说ＸＭＬ数据是ｗｗｗ上的半结构数据。因此基于ＸＭＬ的