Web信息挖掘的研究及應(yīng)用.pdf

1、本文主要討論Web信息挖掘技術(shù)，系統(tǒng)地闡述了Web文檔數(shù)據(jù)挖掘的理論和方法，目的在于應(yīng)用數(shù)據(jù)挖掘技術(shù)，從Web頁中挖出領(lǐng)域的典型結(jié)構(gòu)信息數(shù)據(jù)，將其映射成關(guān)系數(shù)據(jù)模型，并存儲在關(guān)系數(shù)據(jù)庫中，利用關(guān)系數(shù)據(jù)庫管理系統(tǒng)技術(shù)（RDBMS）來管理和查詢Web信息源，同時利用用戶訪問模式挖掘和興趣主題發(fā)現(xiàn)技術(shù)為用戶準(zhǔn)確地定位所需信息。
　　文章簡要介紹了Web信息挖掘的背景和應(yīng)用研究價值，提出了Web數(shù)據(jù)挖掘系統(tǒng)的總體目標(biāo)和總體結(jié)構(gòu)，并指出了系

2、統(tǒng)實(shí)施的技術(shù)路線。
　　同時本文給出了Web文檔的模型化設(shè)計，通過將Web頁面中HTML標(biāo)志的巢級結(jié)構(gòu)關(guān)系把Web頁映射成一棵標(biāo)志樹，對Web頁面中領(lǐng)域信息記錄塊的發(fā)現(xiàn)進(jìn)行了算法設(shè)計和實(shí)現(xiàn)。在領(lǐng)域知識庫的支持下，應(yīng)用幾組啟發(fā)規(guī)則，定位 Web頁面中的領(lǐng)域信息并分隔出各條記錄。
　　文章利用Web元數(shù)據(jù)抽取技術(shù)來抽取領(lǐng)域信息，首先用定義的數(shù)據(jù)模型（OEM模型）對網(wǎng)頁進(jìn)行模型化，利用Web頁結(jié)構(gòu)挖掘算法抽取出Web頁信息包含的元