基于XML的Web實時信息挖掘.pdf

1、自從Internet誕生以來，互聯(lián)網(wǎng)上的信息正以指數(shù)形式飛速增長。如何在WWW這個全球最大的數(shù)據(jù)集合中發(fā)現(xiàn)用戶的有用信息已成為數(shù)據(jù)挖掘研究的熱點，Web數(shù)據(jù)挖掘也由此應(yīng)運而生。 Web是一個巨大的、廣泛分布的、高度異構(gòu)的、半結(jié)構(gòu)化的、超文本、超媒體的、相互聯(lián)系并且不斷進(jìn)化的信息倉庫；是一個巨大的文檔積累的集合，包括了豐富、動態(tài)的超鏈接信息以及Web頁面的訪問和使用信息。由于現(xiàn)行的網(wǎng)絡(luò)環(huán)境以HTML語言為基礎(chǔ)構(gòu)建，它是一種只能描述

2、形式而不能揭示內(nèi)容的語言，因此，Web上的半結(jié)構(gòu)化數(shù)據(jù)和異構(gòu)數(shù)據(jù)源問題給Web數(shù)據(jù)挖掘帶來了困難。W3C開發(fā)的XML(ExtensibleMarkupLanguage)可擴展標(biāo)記語言，支持豐富的數(shù)據(jù)結(jié)構(gòu)，特別強調(diào)數(shù)據(jù)語義與元素之間的關(guān)系，因此基于XML的Web數(shù)據(jù)挖掘可以充分利用XML的特點，為Web數(shù)據(jù)挖掘帶來了新的契機。 同時，在信息更新速度如此之快的今天，用戶已經(jīng)不滿足只挖掘出某些信息，而是需要Web數(shù)據(jù)挖掘能夠為他們及時

3、提供出最快、最新、最有效的信息。所以，對Web實時信息數(shù)據(jù)挖掘的研究有著巨大的潛力，也是非常必要的。 本文首先詳細(xì)闡述了基于XML語言的Web數(shù)據(jù)挖掘方法。通過介紹Web數(shù)據(jù)挖掘技術(shù)和XML技術(shù)的基本知識、分析了XML語言在Web數(shù)據(jù)挖掘中的優(yōu)勢，在理論上提出了設(shè)計思想并建立了系統(tǒng)模型。 其次，本文對網(wǎng)絡(luò)實時信息的獲取進(jìn)行了深入地研究，提出了獲取實時信息的算法方案，并應(yīng)用到了課題的實驗系統(tǒng)中。 由于Web數(shù)據(jù)挖掘

4、系統(tǒng)是為用戶個性化、智能化服務(wù)的，所以根據(jù)用戶需求不同，Web數(shù)據(jù)挖掘系統(tǒng)也不相同。在本課題中設(shè)計了基于XML的Web商機信息挖掘的實驗系統(tǒng)，系統(tǒng)是由后端Web數(shù)據(jù)挖掘程序、數(shù)據(jù)庫和前端用戶使用頁面組成。在設(shè)計過程中，嚴(yán)格按照軟件工程里軟件設(shè)計的思想，認(rèn)真做了可行性研究、需求分析、系統(tǒng)整體設(shè)計、詳細(xì)設(shè)計，最后編程并完成了系統(tǒng)開發(fā)。對于系統(tǒng)設(shè)計特別注重系統(tǒng)性能的提高，在如何提高Web數(shù)據(jù)挖掘系統(tǒng)的查全率、查準(zhǔn)率和挖掘效率問題中都提出并實現(xiàn)