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?yàn)閿?shù)據(jù)規(guī)模龐大，種類繁多，因此，如何幫助人來(lái)在互聯(lián)網(wǎng)海洋獲取有價(jià)值的信息成為最有實(shí)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(biāo)準(zhǔn)。在互聯(lián)網(wǎng)中有大量XML文檔涌現(xiàn)，如何有效及時(shí)的管理XML數(shù)據(jù)和挖掘有用的信息，成為整個(gè)互聯(lián)網(wǎng)產(chǎn)業(yè)界關(guān)注的熱點(diǎn)。
　　本文介紹了WEB數(shù)據(jù)挖掘中構(gòu)建XML數(shù)據(jù)存儲(chǔ)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(diǎn)分析了經(jīng)典的APRIORI算法，總結(jié)了該算法存在的主要缺點(diǎn)并且提出了可行性的解決方案。一是減少計(jì)算候選項(xiàng)集的支持度時(shí)數(shù)據(jù)庫(kù)元組的個(gè)數(shù)，提高APRIORI算法生成頻繁項(xiàng)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(qiáng)關(guān)聯(lián)規(guī)則時(shí)需要判斷的頻繁項(xiàng)集的范圍。三是為了加快數(shù)據(jù)之間的查詢和存儲(chǔ)效率。根據(jù)XML查詢以路徑表達(dá)式為主體的特點(diǎn)，

3、提出了一種在關(guān)系數(shù)據(jù)庫(kù)中存儲(chǔ) XML文檔的方法，這種方法是基于XPath數(shù)據(jù)模型的，并對(duì)XML文檔的元素進(jìn)行Dietz編碼來(lái)標(biāo)識(shí)元素，同時(shí)在數(shù)據(jù)庫(kù)中存儲(chǔ)每個(gè)元素及其父元素的Dietz編碼來(lái)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(kāi)發(fā)出了一個(gè)由存儲(chǔ)、轉(zhuǎn)換和查詢?nèi)齻€(gè)模塊組成中間件，分別用來(lái)存儲(chǔ)XML文檔的元素、屬性和文本。最后，將改進(jìn)后的APRIORI算法應(yīng)用于“XML數(shù)據(jù)存儲(chǔ)和查詢系統(tǒng)”中。改進(jìn)