基于XML的文本數(shù)據(jù)挖掘的研究.pdf

1、隨著互聯(lián)網(wǎng)應(yīng)用的迅速發(fā)展,現(xiàn)有的信息搜索技術(shù)嚴重落后于WWW的發(fā)展,如何從繁雜的互聯(lián)網(wǎng)數(shù)據(jù)中高效的尋找到用戶感興趣的有用信息,是當前網(wǎng)絡(luò)信息搜索的研究重點.本文在數(shù)據(jù)挖掘和信息檢索技術(shù)的基礎(chǔ)上引入了基于XML的文本數(shù)據(jù)挖掘模型,其模型設(shè)計包括以下幾部分:1. XML頁面的信息搜索首先在引入數(shù)據(jù)聯(lián)合查詢思想的基礎(chǔ)上,提出了一種網(wǎng)絡(luò)數(shù)據(jù)聯(lián)合查詢的優(yōu)化方案,將互聯(lián)網(wǎng)上的信息來源根據(jù)測試標準分為大、小數(shù)據(jù)源,在進行robot搜索時優(yōu)先搜索大數(shù)據(jù)

2、源中的數(shù)據(jù),縮短搜索時間提高搜索效率.然后在面向XML文檔的信息檢索中,將結(jié)構(gòu)檢索和語義檢索相結(jié)合,通過結(jié)構(gòu)檢索幫助用戶快速定位到文檔結(jié)構(gòu)細節(jié),利用語義檢索則滿足讀者語義層次的需求,從而實現(xiàn)較全面的概念檢索.2.XML頁面的信息抽取及數(shù)據(jù)模式的轉(zhuǎn)換根據(jù)XML文檔的結(jié)構(gòu)形式,利用XML+DOM技術(shù)提取文檔中的數(shù)據(jù)信息轉(zhuǎn)化為記錄存儲到關(guān)系數(shù)據(jù)庫中.在這個過程中,DOM(Document Object Model)技術(shù),實現(xiàn)對XML文檔的解析

3、和定位.另外通過建立XML虛擬數(shù)據(jù)源,可以為應(yīng)用系統(tǒng)提供更為方便的數(shù)據(jù)訪問服務(wù),完成由異構(gòu)數(shù)據(jù)源向單一XML文檔的轉(zhuǎn)換工作之后,可在邏輯層上采用XML數(shù)據(jù)存儲機制對XML數(shù)據(jù)源進行訪問.3.用戶查詢接口設(shè)計將向量空間模型和隱含語義索引模型作為文檔信息的檢索模型,通過相關(guān)反饋技術(shù)進一步提高檢索的質(zhì)量.信息檢索強調(diào)使用一種好的檢索模型,將文檔和用戶查詢表示成相同的形式,并計算它們之間的相似性,然后將檢索結(jié)果按照一定的順序呈現(xiàn)給用戶,并且檢索