Web挖掘涉及使用数据挖掘技术在WWW数据中发现模式，涵盖数据库技术、信息获取、统计学等领域。典型的Web挖掘流程包括查找资源、信息选择与预处理、模式发现和分析。搜索引擎技术中的信息检索和信息抽取对Web挖掘至关重要。Web挖掘分为内容挖掘、结构挖掘和用法挖掘，分别关注数据、结构和用户行为模式。内容挖掘侧重于文本和多媒体数据，结构挖掘研究超链接结构，用法挖掘则通过分析用户行为优化服务。
Web挖掘指使用数据挖掘技术在WWW数据中发现潜在的、有用的模式或信息。Web挖掘研究覆盖了多个研究领域，包括数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等。
Web挖掘流程
与传统数据和数据仓库相比，Web上的信息是非结构化或半结构化的、动态的、并且是容易造成混淆的，所以很难直接以Web网页上的数据进行数据挖掘，而必须经过必要的数据处理。典型Web挖掘的处理流程如下[3]：
1．查找资源：任务是从目标Web文档中得到数据，值得注意的是有时信息资源不仅限于在线Web文档，还包括电子邮件、电子文档、新闻组，或者网站的日志数据甚至是通过Web形成的交易数据库中的数据。
2．信息选择和预处理：任务是从取得的Web资源中剔除无用信息和将信息进行必要的整理。例如从Web文档中自动去除广告连接、去除多余格式标记、自动识别段落或者字段并将数据组织成规整的逻辑形式甚至是关系表。
3．模式发现：自动进行模式发现。可以在同一个站点内部或在多个站点之间进行。
最低0.47元/天 解锁文章
扫一扫
4868
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
