資源描述：
《基于xml的web內(nèi)容挖掘研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、重慶大學(xué)碩士學(xué)位論文基于XML的Web內(nèi)容挖掘研究姓名：周翔申請學(xué)位級別：碩士專業(yè)：計算機應(yīng)用技術(shù)指導(dǎo)教師：黃仁20070420重慶大學(xué)碩士學(xué)位論文中文摘要摘要隨著互聯(lián)網(wǎng)的發(fā)展，www上信息的快速增長，www為人們提供了大量的信息，但也使得我們陷入一個矛盾，那就是一方面人們迫切地需要從Web上快速、有效地獲取知識，另一方面是Web上信息的數(shù)量龐太大并且信息內(nèi)容結(jié)構(gòu)復(fù)雜，處理這些信息具有很多困難。為了解決這個矛盾，Web挖掘技術(shù)提供了一種途徑，目前Web挖掘的研究正處在不斷發(fā)展的階段，需要在理論、實現(xiàn)方法與技術(shù)上進(jìn)行大量的研究。w曲挖掘技術(shù)是傳統(tǒng)數(shù)據(jù)挖掘技術(shù)在Web環(huán)境下的應(yīng)用
2、，從大量的Wed文檔集合和用戶瀏覽Web的數(shù)據(jù)信息中發(fā)現(xiàn)蘊涵的、未知的、有潛在應(yīng)用價值的、非平凡的模式。根據(jù)Web挖掘研究的對象，Web挖掘分為三類：Web內(nèi)容挖掘，Web結(jié)構(gòu)挖掘和Web使用記錄挖掘，w曲內(nèi)容挖掘是論文研究的主要內(nèi)容。由于現(xiàn)有的搜索引擎僅用于Web上的信息檢索，無法發(fā)現(xiàn)Web上潛在的知識，多數(shù)用戶在用搜索引擎給出的搜索結(jié)果時都很難從中發(fā)現(xiàn)自己感興趣的內(nèi)容，為了解決這個現(xiàn)狀，論文展開了對Web內(nèi)容挖掘技術(shù)的研究。論文分析了現(xiàn)有的數(shù)據(jù)挖掘、Web挖掘和XML技術(shù)的一些基本概念、方法和技術(shù)，通過對半結(jié)構(gòu)化數(shù)據(jù)的處理及所涉及的關(guān)鍵技術(shù)，如抽取方法、轉(zhuǎn)換算法等方面的研
3、究，提出了一種基于棧結(jié)構(gòu)的數(shù)據(jù)格式轉(zhuǎn)換方案，將半結(jié)構(gòu)化的HTML數(shù)據(jù)轉(zhuǎn)換為xM嘴式的結(jié)構(gòu)化數(shù)據(jù)，得到有效的)叫嘴式的待挖掘數(shù)據(jù)。提出了利用XML數(shù)據(jù)建立供挖掘使用的多層Web數(shù)據(jù)庫的方法。通過對現(xiàn)有數(shù)據(jù)挖掘的決策樹算法和聚類分類算法的研究，根據(jù)實際應(yīng)用的需要對這兩個算法進(jìn)行了修改，使之適用于當(dāng)前w曲挖掘任務(wù)。論文的構(gòu)想通過構(gòu)建一個基于XML的Web挖掘系統(tǒng)一-Webs肋得到實現(xiàn)。該原型系統(tǒng)根據(jù)用戶輸入的查詢信息對搜索到的Web頁面內(nèi)容進(jìn)行挖掘，系統(tǒng)由w曲頁面數(shù)據(jù)采集器、預(yù)處理器、數(shù)據(jù)轉(zhuǎn)換／抽取器、挖掘綜合器、和用戶界面以及多層數(shù)據(jù)庫6大部分組成，為人們提供了一個對在Web上得
4、到的搜索結(jié)果進(jìn)行分析挖掘的Web挖掘工具，可幫助人們更快捷、有效地從搜索結(jié)果中獲取感興趣的內(nèi)容。關(guān)鍵詞：HTML，XML，數(shù)據(jù)挖掘，Web內(nèi)容挖掘重慶大學(xué)碩士學(xué)位論文英文摘要AbstractWithIntemetdevelopment,theinformationOilWWWincreasesfast．WWWpro“dcsmassiveinformationforpeople,butalsocausesustofallintoaeontradietionwhichisOiltheolaehand,peopleneedt0acquireinformationfromWWwfas
5、tandeffectively,ontheotherhand,theinformationonⅥr、717ⅥrisSOhuge．strucUlreoftheinformationiscomplicate．a(chǎn)ndtherealemanydifficultiesfordealingwiththeinformation．Inordertoresolvethiscontradiction,theWebminingtechnologyprovid豁away,atpresenttheresearchofWebminingisindevelopingstage，andneedsmuchre
6、searchintheory,implementationmethodandtechnology．TheWebminingtechnologyisanapplicationoftraditiondataminingtechnologyundertheWebenvironment,whichisdiscoveringpatternofimplication,unknown,havinglatentapplicationvalue,uncxylnlnonfrommassiveWebdocumentsetandWebinformationofuse礙browsinbAccordin
7、gtoresearchobjectsofWebmining,Webminingdivid囂intothreekinds：Webcontentmining,Webstructuremining,andWebuselogmining．Webeontentminingtechnologyismainlyresearchedinthepaper,thepllrposeofresearchisforsolvingtheproblemthatnowsearchenginesonlyareusedininformat
