基于XML的WEB數(shù)據(jù)挖掘優(yōu)化算法的研究與應(yīng)用.pdf

1、互聯(lián)網(wǎng)已經(jīng)成為現(xiàn)代人不可或缺的獲取信息的有效途徑和普遍方式，然而在浩瀚如波的互聯(lián)網(wǎng)海洋想提取所需的信息宛如大海撈針一般，因為數(shù)據(jù)規(guī)模龐大，種類繁多，因此，如何幫助人來在互聯(lián)網(wǎng)海洋獲取有價值的信息成為最有實際意義的研究方向和熱門話題。XML已經(jīng)成為互聯(lián)網(wǎng)中數(shù)據(jù)轉(zhuǎn)換的標準。在互聯(lián)網(wǎng)中有大量XML文檔涌現(xiàn)，如何有效及時的管理XML數(shù)據(jù)和挖掘有用的信息，成為整個互聯(lián)網(wǎng)產(chǎn)業(yè)界關(guān)注的熱點。
　　本文介紹了WEB數(shù)據(jù)挖掘中構(gòu)建XML數(shù)據(jù)存儲和查

2、詢系統(tǒng)的理論基石，即XML技術(shù)、數(shù)據(jù)挖掘算法等。在此基礎(chǔ)上，重點分析了經(jīng)典的APRIORI算法，總結(jié)了該算法存在的主要缺點并且提出了可行性的解決方案。一是減少計算候選項集的支持度時數(shù)據(jù)庫元組的個數(shù)，提高APRIORI算法生成頻繁項集的效率;二是采用壓縮規(guī)則集、剪枝策略以及優(yōu)化的APRIORI關(guān)聯(lián)規(guī)則生成方法，目的是縮小生成強關(guān)聯(lián)規(guī)則時需要判斷的頻繁項集的范圍。三是為了加快數(shù)據(jù)之間的查詢和存儲效率。根據(jù)XML查詢以路徑表達式為主體的特點，

3、提出了一種在關(guān)系數(shù)據(jù)庫中存儲 XML文檔的方法，這種方法是基于XPath數(shù)據(jù)模型的，并對XML文檔的元素進行Dietz編碼來標識元素，同時在數(shù)據(jù)庫中存儲每個元素及其父元素的Dietz編碼來保持元素之間的父子關(guān)系以及用于將關(guān)系數(shù)據(jù)轉(zhuǎn)化為 XML文檔或文檔片段。使用該方法我們開發(fā)出了一個由存儲、轉(zhuǎn)換和查詢?nèi)齻€模塊組成中間件，分別用來存儲XML文檔的元素、屬性和文本。最后，將改進后的APRIORI算法應(yīng)用于“XML數(shù)據(jù)存儲和查詢系統(tǒng)”中。改進