Web數(shù)據(jù)挖掘中XML應(yīng)用及關(guān)聯(lián)算法改進(jìn).pdf

1、面向web的數(shù)據(jù)挖掘是一項(xiàng)復(fù)雜的技術(shù)，Web數(shù)據(jù)挖掘就是利用數(shù)據(jù)挖掘技術(shù)從網(wǎng)絡(luò)文檔和服務(wù)中發(fā)現(xiàn)和提取信息。Web上的信息五花八門，傳統(tǒng)的Internet由各種類型的服務(wù)和數(shù)據(jù)源組成，包括WWW、FTP、Telnet等，現(xiàn)在有更多的數(shù)據(jù)和端口可以使用，比如政府信息服務(wù)、數(shù)字圖書(shū)館、電子商務(wù)數(shù)據(jù)，以及其他各種通過(guò)Web可以訪問(wèn)的數(shù)據(jù)庫(kù)。 Web上各種形式的文檔和用戶訪問(wèn)信息就構(gòu)成了Web數(shù)據(jù)挖掘的對(duì)象。根據(jù)挖掘?qū)ο蟮牟煌?，我們將We

2、b數(shù)據(jù)挖掘分為三類：Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘、Web用法挖掘。由于XML能夠使不同來(lái)源的結(jié)構(gòu)化的數(shù)據(jù)很容易地結(jié)合在一起，因而使搜索多樣的不兼容的數(shù)據(jù)庫(kù)能夠成為可能，從而為解決數(shù)據(jù)挖掘難題帶來(lái)了希望。 Apriori算法在關(guān)聯(lián)規(guī)則領(lǐng)域有很大的影響力，然而由于需要過(guò)于頻繁的掃描數(shù)據(jù)庫(kù)及較大的空間消耗，仍然有需要改進(jìn)的地方。通過(guò)對(duì)Apriori算法進(jìn)行深入研究，本文提出了一種Apriori改進(jìn)算法，通過(guò)比較分析，獲得了較好的效率

3、和性能。 本文完成的主要工作如下： (1)完成了對(duì)基于XML的Web數(shù)據(jù)挖掘的技術(shù)研究。本文通過(guò)對(duì)XML這種近幾年出現(xiàn)的具有很大潛力的Internet數(shù)據(jù)交換技術(shù)的研究分析，提出了基于XML的Web挖掘的新思路，并且完成了對(duì)XML的Web挖掘系統(tǒng)的系統(tǒng)功能設(shè)計(jì)。 (2)實(shí)現(xiàn)了XML到數(shù)據(jù)庫(kù)模式的轉(zhuǎn)化工具。本文主要針對(duì)XML的DTD文檔，提出了一系列從XML到關(guān)系數(shù)據(jù)庫(kù)模式的轉(zhuǎn)換算法，從而也就把基于XML的Web數(shù)