Web挖掘相關問題的研究.pdf

1、隨著Internet的發(fā)展，“信息爆炸”不可避免地產(chǎn)生了。人們急切需要一種從Web上快速、有效地獲取知識的技術，Web挖掘伴隨著這樣一個背景產(chǎn)生了，并且已成為研究熱點。與傳統(tǒng)的數(shù)據(jù)挖掘不同，Web挖掘面對的大都是半結構化和非結構化的數(shù)據(jù)，這給挖掘帶來了難題。近年來，XML逐漸成為新一代因特網(wǎng)數(shù)據(jù)組織和交換的標準，它能夠使不同來源的結構化的數(shù)據(jù)很容易地結合在一起，能有效地解決上述難題。于是，如何從XML數(shù)據(jù)中挖掘有價值的知識就成為一個具有

2、探索意義和挑戰(zhàn)性的研究課題。 本文的主要研究工作包括以下幾個方面： 首先，研究了Web挖掘和XML的基本概念和性質，分析了Web挖掘的復雜性以及XML在Web挖掘中的應用。 其次，本文研究了Web挖掘中的HTML-XML轉換問題。分析了現(xiàn)有轉換算法的不足，設計并實現(xiàn)了一種基于DOM和JTidy技術的HTML-XML轉換模型。測試結果表明，轉換模型是可行的、高適應性的。 最后，本文研究了頻繁子樹挖掘的基本概