基于Web的数据挖掘技术

义 ， 称 为 半 结 构 化 （ｅ —ｔ ｃ ｒｄ 的数 据 。所 谓 半 结 构 化 是 如 图 １１ 例 。 图 中箭 头 的方 向 表示 访 问 被 Ｓｍｉｓｕ ｔ ｅ ） ｒ ｕ ．示 相 对 于 完全 结 构 化 的传 统 数 据 库 的 数 据 而 言 ．半 结 构 化 是 Ｗｅ 路径 从 图 中可 以确 定 最频 繁 的访 问 路径 。 ｂ
数 据 的最 大 特 点 由 于 Ｗｅ ｂ是 Ｉｔｍｅ 上 非 官 方联 结 的 资 源 集 通 过 路径 分 析 ．可 以 改进 页 面 及 网站 结 构 图 １１访 问模 式 示 例 ｎｅ ｔ ． 合 。 ｂ数 据缺 乏 结 构 和 规 范 。 目前 ． ｂ上 数 据 主 要 由静 态 的 的设 计 。 Ｗｅ Ｗｅ Ｈ ＭＬ表 达 。 据 庞 大 。 据 具 有 多 样 性 。 态 性 强 ， 成 了一 个 ２ Ｔ 数 数 动 构 ． 联 规 则挖 掘 技 术 ２关
息 。Ｗｅ ｂ挖 掘 可 以广 义 地 定 义 为从 ＷＷＷ 中 发 现 和 分析 有 用 的 图来 表 示 ， ＝ ，）其 中 Ｖ 是 页面 的集 合 ， Ｇ Ｅ， Ｅ是 页 面 之 间 的 超链 信息。 接 的集 合 ． 面 定 义 为 图 中 的顶 点 ， 页 面 页 而 １ ｂ上 的数 据特 点 ． Ｗｅ ２ 之 间 的超 链 接 定 义 为有 向边 。顶 点 Ｖ 的 入 Ｗｅ ｂ中有 大量 丰 富 的数 据 ： 本 、 片 、 音 、 文 图 声 图像 等 ， 些 边 表 示 对 页 面 Ｖ 的 引 用 ． 这 出边 表 示 Ｖ 引 用 数 据 多存 在 于 Ｈ ＭＬ超 文本 文件 中 ．没 有 严 格 的结 构 及 类 型定 了 其 它 的 页 面 ， 样 就形 成 了 网站 结 构 图 。 Ｔ 这
１ Ｗｅ ＿ ｂ数 据 挖掘 １１Ｗｅ ． ｂ挖 掘 概 述 ２ Ｗｅ ． ｂ数 据挖 掘 技 术
Ｗｅ ｂ数据 挖 掘 中 常 用 的 技 术 有 ： ｂ使 用 的 特 有 的路 径 分 Ｗｅ
数 据 挖 掘 ｆａａｍ ｎ ｇＤ ） 近 年 来 随 着 人 工 智 能 和 数 据 析 技 术 和数 据 挖 掘 领 域 常用 的关 联 规 则 、 Ｄ ｔ ｉｉ ． Ｍ 是 ｎ 序列 模 式 、 分类 聚 类 技 库 技 术 的 发展 而 出现 的一 门新 兴 技 术 ．它 是 从 大 量 的 数 据 中 筛 术 等 。 选 出隐 含 的 、 信 的 、 颖 的 、 效 的信 息 的高 级 处 理 过 程 。 ｂ ２１路 径 分 析技 术 可 新 有 Ｗｅ ． 我们 把 网站 上 的 页面 定 义 成 节 点 ．页 面 之 间 的 超 链 接定 义 数据 挖 掘 技 术 是数 据 挖 掘 技术 在 网 络 数 据 处 理 中的 应 用 ．它 是 从 Ｗｅ ｂ文件 和 Ｗｅ ｂ活 动 中筛 选 感 兴 趣 的 有 用 模 式 和 隐 藏 的 信 成 有 向图 中 的边 ， 这样 可 以形 成 网 站 的结 构 图 。 以用 一 个 有 向 可
维普资讯
２ ０ 年 第 ４期 ０７
福 建 电
脑
１ ７
基 于 Ｗｅ ｂ的数 据 挖 掘 技 术
吴 荣
（华 侨 大 学 数 学 系 福 建 泉 州 ３ ２ ２ ６０ １）
【 摘
要】 ：Ｗｅ ｂ数据挖 掘是一种 新兴的信息 处理技 术 ， 具有 广阔的应用前景。本文介绍 了 Ｗｅ ｂ数据挖掘技术的概念、
关 联 规 则 挖 掘 技 术 就 是挖 掘 出 用 户 在 一 个 访 问 期 间 （ ｓ ｅ ｓ． ｉ ）从 ｏ 文 基 于 上 述 特 点 可 知 ． ｂ数 据 挖 掘 是一 个 极 具 挑 战 性 的 课 ｓ ｎ ． 服 务 器 上 访 问的 页 面， 件 之 间 联 系 和 相 关性 。最 常 用 Ｗｅ ｐｉ 算 ｏ 从 题 ． 涉及 多个 研 究 领 域 。 括数 据 库 技 术 、 息 获 取 技 术 、 计 的技 术 是 Ａ ｒ ｒ 法 ， 事 务数 据 库 中 挖 掘 出 最大 频 繁 访 问集 ， 它 包 信 统 这 个 项 集 就 是 关联 规 则 挖掘 出 来 的用 户 访 问模 式 。 利 用 这些 访 学 、 工智 能 中的 机 器 学 习和 神 经 网 络等 。 人
技 术 从 Ｗｅ ｂ中获 取 人 们 感 兴 趣 的 有 用 模 式 和 隐藏 的信 息 ． 何 程 。 即发 现 文 档 间建 立 的超 链 接结 构 。 如 从 大 量 的访 问 中发 现 固有 的模 式 和 关 联 ．成 为人 们迫 切 希 望 解 Ｗｅ ｂ使 用 记 录 挖掘 是 通 过 挖掘 相 应 站 点 的 日志 文件 和 相 关 数据 发现 该 站 点 上 的浏 览 者 和 顾 客 的行 为 模 式 。 决 的 问题
使 用技 术及 其 热点 应 用 ， 简要 介 绍 了几 个 重 要 的 研 究 方 向 。 并
【 关键词 】 ：数据挖掘 ； ｂ ｗｅ 挖掘
Ｏ ．引 言ቤተ መጻሕፍቲ ባይዱ
Ｍｉｉ ）Ｗｅ 构 挖 掘 ｂＳ ｕｔｒ Ｍｉｉｇ、 ｂ使 用 记 录挖 ｎｎ 、 ｂ结 ｇ ｔ ｃｕｅ ｎｎ）Ｗｅ ｒ Ｗｅ ｓｇ ｉｇ 三类 。 Ｍｉ Ｗｅ 据 挖 掘 ｂＭ ｎｎ） 指 使 用 数 据 挖 掘 技 术 在 网 络 掘 （ ｂＵ ａ ｅ ｎｎ ） ｂ数 ｉｉｇ； ｌ ￣ 数据 中发 现 潜 在 的 、 用 的模 式 信 息 。 有 Ｗｅ ｂ内容 挖 掘 是 指 从 Ｗｅ ｂ文 档 内容 或 其 描 述 中 筛 选 知识 ｂ页 面 的 内 容 和 其 后 台交 易数 据 库 的信 息挖 ２ Ｏ世 纪 ９ Ｏ年 代 以来 ， ｔｍｅ 得 到 了飞 速 发 展 ， 为人 们 工 的过 程 ．是 对 Ｗｅ Ｉｅ ｔ ｎ 成
作 与 学 习 的平 台 ． 成 为人 们 获 取 信 息 的 重 要 途 径 。 也 ＷＷｗ 作 为 掘 。 Ｗｅ ｂ结 构挖 掘 是 指 从 人 为 的链 接 结 构 中 获取 有 用 知 识 的过 最 大 的信 息 集 散 地 ， 是积 聚 了海 量 的 信 息 。 何 利 用 数据 挖 掘 更 如