Web挖掘相關(guān)問題的研究.pdf

1、隨著Internet的發(fā)展，“信息爆炸”不可避免地產(chǎn)生了。人們急切需要一種從Web上快速、有效地獲取知識的技術(shù)，Web挖掘伴隨著這樣一個背景產(chǎn)生了，并且已成為研究熱點(diǎn)。與傳統(tǒng)的數(shù)據(jù)挖掘不同，Web挖掘面對的大都是半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，這給挖掘帶來了難題。近年來，XML逐漸成為新一代因特網(wǎng)數(shù)據(jù)組織和交換的標(biāo)準(zhǔn)，它能夠使不同來源的結(jié)構(gòu)化的數(shù)據(jù)很容易地結(jié)合在一起，能有效地解決上述難題。于是，如何從XML數(shù)據(jù)中挖掘有價(jià)值的知識就成為一個具有

2、探索意義和挑戰(zhàn)性的研究課題。 本文的主要研究工作包括以下幾個方面： 首先，研究了Web挖掘和XML的基本概念和性質(zhì)，分析了Web挖掘的復(fù)雜性以及XML在Web挖掘中的應(yīng)用。 其次，本文研究了Web挖掘中的HTML-XML轉(zhuǎn)換問題。分析了現(xiàn)有轉(zhuǎn)換算法的不足，設(shè)計(jì)并實(shí)現(xiàn)了一種基于DOM和JTidy技術(shù)的HTML-XML轉(zhuǎn)換模型。測試結(jié)果表明，轉(zhuǎn)換模型是可行的、高適應(yīng)性的。 最后，本文研究了頻繁子樹挖掘的基本概