Web挖掘

◎艺 科 论 坛 ◎
浅 析 Ｗｅ ｂ内容 挖 掘 技 术
崔 敏
（ 东 营 职业 学 院 教 师 教 育 学 院 ， 山东 东 营 ２ ５ ７ ０ ９ １ ）
摘 要： 随着因特 网的飞速发展 ， 各种信息可以以非常低的成 本在 网络 上获得 ， 这样 因特 网的迅 速 发 展 对 万维 网信 息 的查 找 与 发 现提 出 了巨大的挑 战 。对 于大 多数 用户提 出的与主题 或领 域相 关 的查询 需求 ， 传统 的通 用搜 索 引 擎往 往 不 能提 供令 人 满 意 该 词 汇 现的位 置和 卜 下 文环境 、属忡 ｔ Ｊ ‘ 以是 布尔 型 ， 根据 词 汇是 否 在 文档 中出 现而 定 ， 也口 ｒ 以有 频 度 ， 即 该词 汇在 文档 中 的出现 频 率 。这种 方 法 可 以扩 展 为选 择 终 结符 、 标点 符号 、 不常用 词 汇的 属性 作 为 考察 集 合 。词 汇袋 方 法 的 一 个 弊端 是 自由文 本 中的数 据 丰 富 ， 词 汇 量 非常 大 ， 处理 起 来很 困难 ， 为解 决这个 问题 人们 做 ｒ 相应 的研 究 ， 采取 了 不 同技 术 ， 如信 息增 益， 交叉 熵 、 差异 比等 ， 其 目的都是 为 了减少 属性 。另 外 ， …・ 个 比较 有意 义 的方法 是潜在 语 义索 引 （ Ｌ ａ ｔ ｅ ｎ ｔ Ｓ ｅ ｍ ａ ｎ ｔ ｉ ｃ Ｉ ｎ ｄ ｅ ｘ ｉ ｎ ｇ ） ， 它 通过 分析 不 同文档 中相 同主题 的共 享词 汇 ， 找 到他们 共 同 的根 ， 用 这个 公共的根代替所有词汇 ， 以此来减少维空问。例如： “ ｉ ｎ ｆ ｏ ｒ ｍ ｉ ｎ ｇ ” 、 “ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ” 、 “ ｉ ｎ ｆ ｏ ｒ ｍ ｅ ｒ ” 、 “ ｉ ｆｏ ｎ ｒ ｍ ｅ ｄ ” 可 以用 他 们 的根 “ ｉ ｎ ｒ ｆ Ｉ ｌ ” 来 表示 ， 这样可以减少屙ｌ 生集合的规模。其他的属性表示法还有词 汇在 文档 中的 出现位 置 、 层 次关 系 、 使 用短语 、 使用 术 语 、 命 名 实体 等， 目前还 没有研 究 表明一 种表 示法 明显 优于 另一种 。 ４ 用 资 源查 找 （ Ｉ ｆｏ ｎ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｒ ｅ ｔ ｒ ｉ ｅ ｖ ａ １ ） 的观 点 挖 掘 半 结 构 化

２ ２异 构数 据库环 境 ．
２ Ｗｅ ｂ数 据 的特 点
Ｗｅ 术 做 为 ｌ｜Ｉ＂飞速 发 展 的 产 物 ， 信 ｂ技 ｉＲ ｒ＇ ｔ ｌｌ 对 息 在社 会 中 的传播 起 刘 Ｊ很重要 的 作Ｊ ． 佰于各 ｆ分 ］ Ｗ 点上 的数 据 ｆ ｊ １ 的特 点＿Ｉ。 的可 以 ｂ站 １ ’ ［身 ２．ｔ
Ｗｅ 数据挖掘 ｂ
Ｔ３ １ Ｐ １
三类 ， 自有其 相关技术 ， 各 随着 Ｉｔ ｅ 的发展 ， ｂ 据挖掘有着越来越广 泛的应用 。 ｎｍｔ ｅ Ｗｅ 数 关键词 分类 相关技术
中 图分 类 号
Ｔｈｅ Ｔｅ ｈ ｏ ｏ ｙ ａ ｃ ｎ ｌ ｇ ｎｄ Ａｐｐ ｉａ ｉ ｎ ｏ ｅ ｔ ｉ Ｉ ｌｃ ｔｏ ｆＷ ｂ Ｄａ ａ Ｍ ｎｉｇ ｌ
Ｗｉ ｅ ｄ ｖ ｌｐ ｅ ｔｏ ｎｅ ｔ ｔ ｔ ｅ ｅｏ ｍ ｎ ｆｌ ｔｍｅ ，Ｗｅ ａａｍ ｎ ｎ ｉ ｅ ｕ ｅ ｒ ｎ ｒ ｎ ｄｆ ｒｎ ｅｄ ． ｈｈ ｂ ｄ ｔ ｉｇ ｗｌ ｂ ｓ ｄ ｍｏ ａ ｄ ｍｏ ｉ ｉ ｅ ｔ ｌｓ ｉ ｌ ｅ ｅ ｅ ｆ ｉ Ｋｅ ｒ ｓ Ｗｅ ａａ ｍ ｎｎ ，ｋｎ ，ｃ ｒ ｌｔ ｅ ｔｃ ｎ ｌｇ ｙ ｗｏ ｄ ｂ ｄ ｔ ｉ ｇ ｉｄ ｏｒ ａ ｖ ｅ ｈ ｏｏ ｙ ｉ ｅ ｉ
维普资讯
２ ０
汁算 机 与 数 字 工 程
第 ３ 卷 ４
Ｗｅ 据 挖 掘 技 术 及 应 用 ｂ数
马保国 侯存 军 王文丰 钱 方正
武汉 ４０ ７ ） ３００ （ 武汉理工大学硅酸盐材料工程教育部重 点实验室
摘
要
Ｗｅ 数据挖掘是数据挖掘技术在 Ｗｅ ｂ ｂ信息集合上 的应 用 ， ｂ数据 具有本身的特点 ， ｂ数据 挖掘可 以分 为 Ｗｅ Ｗｅ

息， 是数 据挖 掘技 术 在 Ｗｅ 境 下 的应 用 。它 是 一 ｂ环
项综合技术 ， 涉及网络技术 、 算机语言学 、 计 信息统
计 学 、 据挖 掘 等学科 。 为 电子 商务 的 主要 应用 技 数 作 供 强有 力 的支持 和可 靠 的保 证 。
２ Ｗｅ ｂ数 据挖 掘 的分 类
０ 引 言
ｗｅ 据挖 掘 ， 从 大量潜 在 的 Ｗｅ ｂ数 是 ｂ文档 和相
电子 商务 的快 速 推进 ， 各 企 业 产生 了 巨量 的 使
关数 据 中发 现 、 取人 们感兴 趣 的 、 提 有用 的规律 或 信
业务数据。 在这些数据 中隐藏着许多重要信息 ， 如何
能将这 些信 息从 数据 库 中抽 取 出来 ，供 企业 决策 者 分析参 考 ，以便科 学合 理 地制 订 和调 整营销 策 略， 为
＆ Ｔ ｃ ｏｏ ｓｕ Ｊ ｎ ｘ ｎ ｈ ｎ ３ ０ ５ ｅｈ ｌｇ Ｍｕｅ ｍ， ｉ ｇ ｉ ｃ ａ ｇ ０ ２ ） ｎ ｙ ａ Ｎａ ３
摘
要 ： ｂ数据 挖 掘技 术 在 电子 商务 中的应 用越 来越 广 泛 ， 已成 为 现代 电子 商 务企 业获 取 市 场信 息 Ｗｅ
极为 重要 的工具 。本文 简 要介 绍 了 Ｗｅ ｂ数据 挖掘 的定 义等 相关 内容 ， 并对 Ｗｅ ｂ数据 挖掘 技 术在 电子 商务领
可分为 Ｗｅ 文本挖掘和 Ｗｅ 多媒体挖掘 ，分别对 ｂ ｂ
３ 查询数据 ． ５
应 Ｗｅ 站点上的文本信息和多媒体信息。 ｂ ２ ｂ ．Ｗｅ 结构挖掘 ２
是挖掘 Ｗｅ 潜在的链接结构模式 ， ｂ 可以总结网 站 和 网 页 的结 构 ， 现 网 页之 间 的联 系 ， 对 Ｗｅ 发 是 ｂ

擎加入索引的速度增 长； ２ 搜索结果的不准确性 ： （） 由于各搜
索 引 擎使 用 的信 息 搜 集 算 法 并 不 是 完 全 的 匹 配 算 法 从 而 使
得在给用户提供了有用信息的同时夹杂 了大 量的无用信息 ； （） ３ 不能提供多媒 体搜索服 务 。如何快 速 、 确地获得 有 准
价 值 的 网络 信 息 ， 何 理解 已有 的 历 史 数 据 并 用 于 预 测 未 来 如 的行为， 如何 从 这 些 海 量 数 据 中 发 现 知 识 ， 何 给 用 户 提 供 如 个性 化 的服 务 以 及 从 网上 产 生 新 的 知 识 是 网 络 用 户 的 新 要 求 。Ｗｅ 据 挖 掘技 术 在 某 种 程 度上 解 决 以上 问题 。 ｂ数
Ｖｏ ． Ｎｏ ２ １ ８． ．
Ｊｎ ２０ ｕ ．，０ ８
文 章 编 号 ：６ １ ４４ （０ ８ ０ ０５ —０ １７ — ６４ ２０ ）２— ０ ５ ３
Ｗｅ ｂ数 据 挖 掘 技 术 综 述
李 娟 ， 董 军
（ ． 陵科技 学院 １金 信 息技 术 学院 ， 苏 南京 江 ２００ ； １０ １ ２０９ ） １０ ４ ２ ．南京理 工大 学 计 算机科 学与技 术 学院 ， 苏 南京 江
摘
要 ： 于 大型 数 据 库 的 不 断 涌现 和数 据 挖 掘 的 应 运 而 生 ， 述 了 Ｗｅ 基 综 ｂ数 据 挖 掘 的基 本 概 念 ， 并提 出一 种 基 于 Ｗｅ ｂ
服 务 的数 据 挖掘 体 系 。 关键 词 ： ｂ 据 挖 掘 ； 据 挖 掘 ； ｂ服 务 Ｗｅ 数 数 Ｗｅ 中 图分 类 号 ：Ｐ １ ．３ Ｔ ３ １ １ 文 献 标 识 码 ： Ａ
在 这 被 称 之 为信 息 爆 炸 的 时 代 ， 息 过 量 几 乎 成 为 人 人 信 需要 面对 的 问题 。如 何 才 能 不被 信 息 的 汪 洋 大 海 所 淹 没 ， 从

【 关键 词 】Ｗ Ｅ Ｂ数 据 技 术应 用
中图分类号 ：Ｔ Ｐ ３ １ １文献标识码：Ｂ 文章编号：１ ０ ０ ９ － ４ ０ ６ ７ （ ２ ０ １ ３ ） １ ５ ． ３ ２ ． ０ ２
一
、
Ｗｅ ｂ数据挖掘的难点
下特点：
ｗｅ ｂ上有海量的数据信息 ，怎样对这些数据进行复杂的应用成了现 今数据库技术 的研究热点。数据挖掘就是从大量的数据 中发现隐含 的规 律性 的内容 ， 解决数据的应用质量问题。充分利用有用 的数据 ， 废弃虚 伪无用的数据 ，是数据挖掘技术的最重要 的 应用 。相对 于 Ｗｅ ｂ的数据而
因为如果所需 的数据不能很有效地得到，对这些数据进行分析 、 集成 、
处理就无从谈起。．
（ 二 ）半结构化 的数据结构
搬用于数据库的数据挖掘技术。
ｌ 、Ｗｅ ｂ 挖掘技术 的分类
一
Ｗｅ ｂ上的数据与传统 的数据库 中的数据不同 ， 传统的数据库都有一 定 的数据模型 ，可以根据模型来具体描述特定的数据。而 Ｗｅ ｂ 上 的数据 非常复杂 ，没有特定 的模型描述 ，每一站点的数据都各 自 独立设计 ，并
ｗｅ ｂ 内容挖掘有两种策略 ： 直接挖掘文件的 内容，或在其他工具搜 索的基础上进行改进 。采取第 １种策 略的有锁定网络的查询语言 Ｗｅ ｂ Ｌ ｏ ｇ 、Ｗ ｅ ｂ Ｓ ｈ ｏ ｙ 等 ；采 取第 ２种策略的方法 主 要是对查找引擎的查询结果进行进一步的处理 ，
１ 、庞大性。由于 ｗｅ ｂ的开放性 ，使得 ｗｅ ｂ 上的信息与 臼俱增 ，呈
爆炸性增长。网上的网页数量达到 ｌ ０亿 ，而且正在以每月近千万的速度 增长。
２ 、 动态性 。 ｗｅ ｂ 不仅以极快的速度增长 ， 而且其信息还在不断地发 生更新。新 闻、 公 司广告、股票市场 、Ｗｅ ｂ服务中心等都在不断地更新

引 擎 信息 检索 的质 量 。 用 Ｄ 表 示 Ｃａ ｌｒ 第 ｉ 下 载 数 据 集 ， 包 含 了 ｊ 页 面 ： ； ｒｗ ｅ 的 次 它 个 Ｄ ｄ ｄ …ｄ｝ 和 ｊ 产ｆ 。ｉ ． ， 分别 代 表 下 载 次 数 和 每 一 次 下载 的 页 面 数 ， Ｗｅ ｂ数 据 挖 掘 （ ｂｄ ｔ ｍｉｉｇ 是 从 大 量 的 Ｗｅ Ｗｅ ａａ ｎｎ ） ｂ文 档 集 合 中 ， 。 ． 次 个 Ｒ Ｐ 表示 第 ｉ 的 所 有 页 面 的 Ｐ 次 Ｒ 通 过 对 各 种 网页 、 据 库 、 ｅ 数 Ｗ ｂ链 接结 构 、 户 信 息 等 分 析 ， 发 现 其 Ｐ 表 示 第 ｉ 的 第 ｉ 页 面 的 ｐ 值 ，。 用 去 则 ｉ｛ｉ ＇ 胁 Ｐ， 一个 Ｕ Ｌ的 Ａ Ｒ Ｒ值为 Ａ Ｐ ｓ ｅｆ ） 中 Ｐ Ｒ＝ Ｒｘｉ ｏ（ ， ｚ Ｄ其 Ｒ 中蕴 藏 的 、 知 的 、 潜 在 应 用 价 值 的 、 平 凡 模 型 （ａｔｒ ） 按 照 处 值 ， Ｐ：ｐｌ …， ｝ 未 有 非 Ｐｔｎ 。 ｅ ＲＬ的 Ｐ ｇＲ ｎ ａｅ ａｋ值 ， ｚｏ（） Ｗｅ ｓ ｅｆ 是 ｉ Ｄ ｂ文 档 集 页 面 的 总 量 。 终 得 到 最 理 对 象 的 不 同 ，将 Ｗｅ ｂ数 据 挖 掘 分 为 Ｗｅ 内容 挖 掘 （ ｂＣ ｎｅ ｔ 是 Ｕ ｂ Ｗｅ ｏ ｔｎ 个 页面 的 Ｐ 修 正值 Ｐ Ｒ Ｒ ＭｉｉｇＷ ｅＣ 和 Ｗｅ ｎｎ ， ｂ Ｍ） ｂ结 构挖 掘 （ ｂＳｒｃｕｅＭｉｉｇ ＷｅＳ 。其 Ｗｅ ｔ ｔｒ ｎｎ ， ｂ Ｍ） ｕ 中 Ｗｅ ｂ结 构 挖 掘 是 从 Ｗｅ ｂ结 构 和 链 接 关 系 中 ． 现所 需 要 的 信 息 。 发 斯 Ｐ
更 加 提 高 了 ｗｅ 索 的精 确 度 。 ｂ检

把具有一定支持度和信任度的相关联的 爱好等 。 用户交易数据主要是用户的历史购买信 息 ． 如商品代码、 如超市 中货架摆布一样 ， 物品放 在一起有助于销售 。网站管理 员也可以按照大多数访 问者 的浏览模式对 网站进行组织 ．按其所访 问内容来裁 剪用户与 Ｗｅ ｂ 二 ，挖掘过程
Ｗｅ 数据挖掘遵循传统数据挖掘的研 究思路 ．挖掘过程分三 信息空间的交互 ，尽量 为访问者的浏览提供方便 。网站如果能够 ｂ 让 客户轻 易地访 问到想访问的页面 ．就能给 客户 留下好的印象 ． 个 步 骤 ：数 据预 处 理 、模 式 发 现 和模 式 分 析 。
的东 西也 无异 于 大海 捞 针 。Ｗ ｅ 数 据 挖掘 是 解 决 这 些 问题 的 重 要 进 行 分 析 ．先 将 数据 导 入 多 维数 据 立 方体 中 ．再 利 用 Ｏ Ａ ｂ Ｌ Ｐ工具
途径 之 一 。
一
进 行分 析 并 提 供 可 视 化 的 结 果 输 出 。
、
Ｗｅ 数据挖掘的数据源 ｂ
户的访问日志信息 。用户每访问一个页面 ．服务器 日志中就会增
加一条记录 。不同服务器产品 日志格式不同 ．但通常包括访问者 定 分 类 的 关键 属 性 及 相 互 关 系 这 样就 可 以对 一 个 新 的访 问者 进 的 Ｉ 地址 、访问时间 访问方式、访 问的页面 、协议、错误代 行分类 ， Ｐ 然后根据分类判断新客户的属性 ．决定是否把这个新客 ｌ 就可 以向这个客户展示 码及传输的字节数等信息 。通过 Ｅ志文件得到查询数据 ，是电子 户作为 Ｅ标客户来对待 。若 为目标客户 ． ｌ 商务网站在服务器上产 生的一种典型数据 ． 是在线客户查询需要 的信息 时生成的。
的 问题 提 供 了有 效途 径 。 本 文 分析 了 Ｗ ｂ 据 挖 掘 及 其 电 子 商 务在 电子 商 务 中 的应 用。 ｅ数

中图分类号: T P 3 文献标识码: A
(， 武汉理工大学: 2 . 南阳师范学院计算机与信息技术学院) 要: W e b 数据挖掘是目前信息技术中的研究热点，它是现代科学技术相互渗透与融合的结果。本文介绍了W e b 数据挖
文章编号: 16， 379 1(2007)05(b )一 5一 1 2一 冈， 0
李争 . ， 艳，
1 引言 随着I t rne 的飞速发展， ne t Web 上的数 据资源空前丰富，在这些大量、异质的 W e b 信息资源中，除了丰富的各种文本、 图形图像、声音等煤体信息外，还包含了 大量的常被人们所忽视的链接结构信息以 及存在于服务器上的用户使用记录信息，
这些庞大的数据包含了非常丰富的有用信 息，构成了数据挖掘的巨大数据来源，蕴 藏着具有惊人潜在价值的知识. 数据挖掘就是从大量的数据中发现隐 含的规律性的内容，解决数据的应用质量 问题。充分利用有用的数据 ，废弃虚伪无 用的数据，是数据挖掘技术的最重要的应 用。相对于We b 的数据而言，传统的数据 库中的数据结构性很强，即其中的数据为 完全结构化的数据，而 W e b 上的数据最大 特点就是半结构化。显然，面向We b 的数 据挖掘比面向单个数据仓库的数据挖掘要 复杂得多。
在网站设计方面的应用，主要是通过对 网站内容的挖掘，特别是对文本内容的挖 掘，可以有效地组织网站信息，如采用自 动归类技术实现网站信息的层次性组织。 通过对用户访问日 志记录信息的挖掘，把 握用户感兴趣的信息，从而有助于开展网 站信息推送服务以及个人信息的定制服务， 吸引更多的用户。
3 2 在搜索引攀中的应用
1 丁技 术
20O7 NO . 1 4 义 〕 NC E & T〔 卜 汇 !E C 小 汇() 〕 INF 以刁 A T1 N Y M 0

技 术 和 Ｗｅ ｂ结合 起 来 。 文 主 要 从 Ｗｅ 本 ｂ内容 挖掘 、 构 挖 掘 和使 用 挖 掘 三 个 方 面 阐 述 ｗ ｂ数 据 挖掘 的 基 本 知 识 。 结 ｅ
【 关键字 】 Ｗｅ 挖掘 ， ｂ内容挖掘 ， ｂ结构挖 掘 ， ｂ使 用挖掘 ： ｂ Ｗｅ Ｗｅ Ｗｅ
当前 网络 发 展 迅 速 。 种 网站 比 比皆 是 ， 容 纳 了海 量 的 各 于文件格式的挖掘和研究。其 主要作用有 ： 发现 隐藏 的知识 ： 各 它 ①
入 口到 目标 网页 所 需 的 点 击数 和浏 览 者 平 均 的点 击 数 ．我 们 会 得 到 一 些 怎 样 设 计 好 的 网 络 站 点和 怎 样 链 接 网 页 的建 议 。 １Ｗｅ ． ｂ内容 挖 掘 （ ｂＣ ｎｅ ｔ ｎｎ ） Ｗｅ ｏ ｔｎ ｉｇ Ｍｉ （１ ２目标 页 浏 览 者 通 常花 费大 量 的 时 间 在 目标 页 上 。 目标 Ｗｅ 容挖 掘 是 从 大 量 的 Ｗｅ 据 中发 现 信 息 、 取 有 用 页 一 般 是 固定 的 ， 一 网 页实 际 上 给 浏 览 者 提 供所 需 要 的 信 息 、 ｂ内 ｂ数 抽 这 知 识 的过 程 。 这些 数 据 既有 文本 数 据 ， 有 图形 、 也 图象 、 语音 等 多 娱 乐 和 商 品 等 内容 。 媒 体数 据 ； 有 来 自数 据 库 的 结构 化 数 据 ， 有半 结构 化数 据 和 既 也 （１ 成 功 能 某个 网站 的局 部 功 能 很 大 程 度 上 依 赖 于 它 的 ３形 无 结 构 的 自由 文本 。 就 其 挖 掘 内容 而 言 。 分 为 Ｗｅ 可 ｂ文 本 文 档 用 途 。 网站 有 许 多不 同 的模 型 。 个零 售 站 点 可 能 都 是 以 同 样 的 一 和 多媒 体 文 档 ； 就其 方 法 而言 ， ｂ内容 挖 掘可 分 为信 息查 询方 方 式 列 出商 品 页 面 ．并 且 建 立 了 一 个存 储在 关 系 数 据 库 中 的商 Ｗｅ 法 和数 据库 方 法 两 大 类 。 品 和 价 格 的桥 梁 。有 一些 会 模 拟 离 线 资 源 。 报 纸或 杂志 。其 它 如 １１Ｗｅ ． ｂ文 本 挖 掘 的 则 包 含 可 构 建 的会 话 ．这 些 会话 能够 定制 并能 以 多 种方 式排 Ｗｅ ｂ文本 挖 掘 是 以计 算 语 言 学 、 计 数 理 分析 为 理 论 基 础 ， 列 。 足 特 殊 用 户 的 需 求 。 些 站点 例如 Ｙ ｈｏ ｏ 等 。 统 满 这 ａｏ ． ｒ ｃｎ 结 合 机器 学 习和 信 息 检 索 技 术 ．从 大 量 的 文本 数 据 中 发现 和提 ３Ｗ ｅ ． ｂ使 用 挖 掘 （ ｂＵｓｇ ｎｎ Ｗｅ ａ ｅＭｉｉｇ） 取 隐 含 的 、 先 未 知 的 知 识 ， 终 形 成 用 户 可 理 解 的 、 价 值 的 事 最 有 Ｗｅ ｂ使 用 挖 掘 过 程 ， 简单 地 讲 分 四个 阶 段 ： 数 据 的 收 集 、 源 信 息 和 知识 的过 程 。 数据 的预 处理 、 据挖掘和对挖 掘出来 的模式 进行分析 ， 数 如图 ２ 内容 挖 掘 大 多是 基 于 文本 信 息 的挖 掘 。 按 照 文本 挖 掘 的对 所 示 ： 象 可 把 文本 挖 掘 分为 ：基 于单 文 档 的数 据 挖 掘 和 基 于 文 档 集 的 数 据 挖 掘 。基 于单 文 档 的数 据 挖 掘 对 文 档 的 分 析 并 不 涉 及 其 他 的 文档 ． 主要 的 挖 掘 技 术 有 ： 本 摘 要 、 息 提 取 等 。 其 文 信 基于 文 档 集 的数据挖掘是对大 规模 的文档数 据进行模式抽取 ．其主要的 技 术 有 ： 本 分类 、 本 聚 类 、 性 化 文 本 过 滤 、 档 作 者 归 属 、 文 文 个 文 因 素分 析 等 。从 功 能 上 。 ｂ文本 挖 掘 主要 是 对 Ｗｅ Ｗｅ ｂ上 大 量 文 本集 合 的 内容 进 行 总 结 、 类 、 类 、 联 分 析 以及 运 用 Ｗｅ 分 聚 关 ｂ文

一
请求和浏览过程中的点击流， 这部分数据主要用于考察用户的行为表现 。 （） 挖 掘 对 所 得到 的 信 息进 行 挖掘 ， 现普 遍 的模 式 。 ３数据 发 （） 分 析：对 挖掘 出的 结果 ， ４结果 即普 遍 模 式进 行 确认 或者 解 释 ， 分 将
析所 得 到的知 识 和模 式用 于 网站 的设 计 和改造 中去 。 １ ３Ｗ ｂ ． ．ｅ 数据 挖 掘 的 主 要技 术 Ｗ ｅ 数 据挖 掘 中常 用 的技 术 有路 径 分 析 技术 、 联规 则 、 类 聚 类 技 ｂ 关 分 术等 。 （） 径 分析 技 术． 路径 分 析 技术 进 行 Ｗｅ 使 用 模 式 的数 据 挖 掘 时 ， １路 用 ｂ
Ａｌ
Ｗｅ ｂ挖掘 是 一 项综 合 技术 ， 及 Ｗ ｅ 、 涉 ｂ 数据 挖 掘 、 算机 语 言 学 、 计 信 息学 等 多个 领 域 。 ｅ Ｗ ｂ挖掘 就 是 从 Ｗ ｅ ｂ文档 、 ｂ 动 中抽 取 感 兴 趣 的 、 Ｗｅ 活 潜在 的有 用 模 式 和 隐藏 信 息 。 ｅ 挖掘 是 指 从 大量 Ｗｅ 文档 结 构 和使 用 的 Ｗ ｂ ｂ 集合 Ｃ中发现 隐含 的模 式 ｐ ，如果 将 Ｃ看作 输 入 ，Ｐ 作 输 出 ，那 么 Ｗ ｅ 看 ｂ 挖掘 的 过程 就 是从 输 入 到 输 出的 一 个 映射 ｛ —ｐ。 ｅ 挖 掘从 数 据 挖 掘 ：Ｃ Ｗ ｂ 发展 而来 ， 因此其 定 义与 我 们熟 知 的数 据挖 掘 定义 相 类似 ， 都是 在对 大 量 的 数 据 进行 分 析 的基 础 上 ， 出 归 纳性 的 推理 ， 测 客 户 的行 为 ， 助 企业 的 作 预 帮 决 策 者调 整 市 场策 略 、 减少 风 险 、 出正 确 的 决 策 的过 程 。 作 １ ２ Ｗ ｂ挖 掘 的基 本 步 骤 ．．ｅ 通常 可 以将 Ｗｅ 数据 挖 掘 分 为 四个 步 骤： ｂ （） 定业 务 对 象 虽然 Ｗｅ 数 据 挖 掘 的最 后 结 构 是不 可 预 测 的 ， 对 １确 ｂ 但

３ ２
福
建 电
脑
２０ ０ ８年第 １ 期 １
Ｗｅ 据挖 掘 技 术 及 其应 用 ｂ数
陈林 凯
（江 苏技 术 师 范 学 院 江 苏 常 州 ２ ３ ０ １０ １）
【 摘 要】 目前 Ｗｅ ： ｂ上存 有大量的数据信 息，如何 对这些数据进行有效 的应 用 已经成 了当前数据 库技 术研 究的重点 。
中的 知识 。 ２ ＷＥＢ数 据挖数 据 消 除 、 据 模 式 抽 取 、 间 形 式 表 示 、 重 数 中 异 构 集 成 、 本 分 类 和 聚 类 、 档 总 结 和 结 构 提 取 、 据 仓 库 及 文 文 数 ＯＡ Ｌ Ｐ等 几 个 方 面 ， 其 是 基 于 Ｘ 尤 ＭＬ的上 述 专 题 研 究 。 ３２Ｗｅ ． ｂ结 构 挖 掘 Ｗｅ ｂ结 构 挖 掘 是 从 ｗ ｗ上 的 组 织 结 构 和 链 接 关 系 中推 导 ｗ 知识 。 由 于 超 文 本 文 档 问 的关 联 关 系 ， 得 ｗ ｗ不 仅 可 以揭 示 使 ｗ
文档 中所 包 含 的信 息 ． 同时 也 可 以揭 示 文 档 间 的关 联 关 系所 代 表 的信 息 。 用 这 些 信 息 可 以对 页 面进 行 排 序 。 发 现 重 要 的 页 利 来 ２１ ｂ数据 挖 掘 概 述 ．Ｗｅ 面 。挖 掘 Ｗｅ ｂ结 构 的 目的 是 发 现 页 面 的 结构 和 Ｗｅ ｂ结 构 。 次 在 数 据 挖 掘（ ａ ｎｎ） Ｄ ｔ Ｍｉｉｇ就是 从 大 量 的 、 完 全 的 、 噪 声 的 、 基 础 上 对 页 面进 行 分 类 和 聚 类 从 而 找 到 权 威 页 面 Ｐ ｇ— ａｋ ａ 不 有 ａｅ Ｒ ｎ 模 糊 的 、 机 的 实 际 应 用 数 据 中 ， 取 潜 在 的 、 为 人 知 的 有 用 方 法 就是 利用 文档 间链 接 信 息 来 查 找 相关 的 Ｗｅ 随 提 不 ｂ页 。 信 息 、 式 和 趋 势 。Ｗｅ 模 ｂ数 据 挖 掘 从 数 据 挖掘 发展 而 来 ． 利 用 是 Ｗｅ 结 构挖 掘 的 基本 思想 是将 Ｗｅ ｂ ｂ看 作个 有 向 图 ． 的顶 他 数据挖掘技术从 ｗｅ ｂ文 档 及 Ｗｅ ｂ服 务 中 自动发 现并 提 取 人 们 点 是 Ｗｅ ｂ页 面 ，页 面 间 的 超 链 就 是 图 的 边 。 然 后 利 用 图 论 对 感 兴 趣 的 信 息 ． 数 据 挖 掘 技 术 应 用 于 Ｗｅ 息 的一 个 崭 新 领 Ｗｅ 是 ｂ信 ｂ的 拓 扑 结 构 进 行 分 析 。常 见 的 算 法 有 Ｈ Ｔ ｙ ｅｔ ｔ ｎ ＩＳ ｆ ｐ ｒ ｘ Ｉ－ Ｈ ｅ 域 。 由于 Ｗｅ 信 息 的 特 殊 性 ． 与 传统 的数 据挖 掘 相 比 又 增 添 ｄ ｃｄＴ ｐｃＳａｃ）Ｐｇ Ｒ ｎ 、 现 虚 拟 社 区 的 算 法 、 现 相 似 ｂ 它 ｕｅ ｏｉ ｅｒｈ、ａｅ ａ ｋ 发 发 了新 的特 质 。首 先 Ｗｅ ｂ挖 掘 的 对 象 是 大 量 异 质 分 布 的 Ｗｅ ｂ文 页 面 的算 法 、 现 地 理 位 置 的算 法 和页 面分 类 算 法 。 ｂ结 构 挖 发 Ｗｅ 档， 每个 数 据 源都 是 异 构 的： 次 Ｗｅ 其 ｂ文 档 本 身 是 半 结 构 或 无 结 掘 的算 法 一 般 可分 为查 询 相 关 算 法 和 查 询 独立 算 法 两类 。查 询 构 的 而且 缺乏 机 器 可 理 解 的 语 义 相 关 算 法 需 要 为 每一 个 查 询 进 行 一 次 超 链 分析 从 而 进行 一 次值 ２ Ｗｅ 数 据 的特 点 ． ｂ ２ 的指 派 ， 查 询 独 立 算 法 则 为 每个 文档 仅 进 行 一 次 值 的指 派 。 而 对 ２２１ 据量 巨大 ＿ 数 ． 所 有 的查 询 都 使 用 此 值 。Ｈ Ｔ ＩＳ和 Ｐ ｇＲ ｎ ａｅ ａｋ分 别 是 查 询 相关 算 Ｉｔ ｔ 分 布 在 世 界 不 同位 置 的 电脑 ｆ 务 器１连 接 了 起 法 和查 询 独立 算 法 的代 表 ｎ ｍｅ 把 ｅ 服 来 ， 个 电 脑 上都 存 有 丰 富 的数 据 ． 此 数 据 涉 及 各 种 不 同 的 行 ３３Ｗｅ 用 的挖 掘 每 这 ． ｂ使 业 和 领 域 ，又 由 于 连 接 于 Ｉｔ ｎｔ 电脑 数 量 非 常 巨大 。所 以 ｎｅ ｅ 的 ｒ Ｗｅ 使 用挖 掘 又 叫使 用 记 录 挖 掘 ． 指 通 过 挖 掘 Ｗｅ ｂ 是 ｂ日志 Ｗｅ ｂ挖 掘 所 处 理 的 数 据 非 常 大 。 来 发 现 用 户 访 问 Ｗｅ ｂ页 面 的模 式 在 Ｗｅ ｂ的 用 户 使 用 信 息 的 挖 ２ ． 构 数据 库 环 境 ． ２异 ２ 掘 中 ， 述 用 户 访 问 信 息 的 数 据包 括 ： 描 Ｉ 址 、 考页面、 问 日 Ｐ地 参 访 每 个 Ｗｅ ｂ站 点 都 可 以看 作 是 个 数 据 源 。 由于 各 站 点 是 相 互 期 和 时 间 、 户 的 站 点 以及 配 置信 息 。 户使 用 的挖 掘 通 常 采 取 用 用 独 立 的 ． 问 除 了 可 以 互 相 访 问 之 外 并 没 有任 何关 系 ． 以每 个 下 面 三 个 步 骤 ： １数 据 预 处 理 。 这是 用 户 访 问 信 息 最 关 键 的 阶 之 所 （ １ 站 点 之 间 的信 息 及 信 息 组 织 方 式 都 是 不 相 同的 ．这 就 构 成 了一 段 ， 据 预 处 理 包 括 ： 据净 化 、 户识 别 、 务 识 别 等过 程 。 （ 数 数 用 事 ２ ） 个 巨 大 的 异构 数 据 库 环 境 模 式 识 别 阶段 。该 阶段 采 用 的方 法 包 括 ： 计 法 、 器 学 习 和 模 统 机 ２２ ．３半 结 构 化 的数 据结 构 ． 式 识 别 等 ．其 实 现 的 主 要算 法包 括路 径 分 析 技 术 和 数 据 挖 掘 的 Ｗｅ 的 数据 与传 统数 据库 中 的数 据 不 同 之处 还 在 于 传 统 传 统 算 法 。 ｂ上 如关 联 规 则 挖 掘 算 法 、 列 模 式 挖 掘 算 法 等 。 径 分 序 路 数 据 库 都 有一 定 的模 型 ．可 以根 据 数 据 模 型来 对 具 体 的数 据 进 析 可 以用 来 发现 Ｗｅ ｂ站 点 最 常被 访 问 的 路 径 ． 而 可 以 调 整 站 从 行 描 述 。 Ｗｅ 而 ｂ站 点 中 的 数 据 不 存 在 统 一 的模 型 ， 站 点 都 是 点 的 结 构 。３模 式 分 析 阶段 。 阶 段 的 任 务 是 从上 一 阶段 搜 集 数 各 （１ 该 独 自设 计 。 且 站 点 中 的 数 据 是 处 于 不停 变 化 之 中 的 。 并 据 集 中 过 滤 掉 不 感 兴趣 和 无 关联 的 模 式 ．将 发 现 的有 价 值 的用 ３ Ｗｅ 、 ｂ数 据挖 掘 分 类 和 技 术 户 浏 览 模 式 以表 格 、 图 、 饼 曲线 图 、 方 图 或 者 其 它 特 殊 形 式 显 直 ３１Ｗｅ ． ｂ内容 挖 掘 示 出来 。具 体 的 实 现 方 法 依 具 体 的 Ｗｅ 掘 技 术 而 定 ， 常 有 ｂ挖 通 Ｗｅ ｂ内容 挖 掘 是 指 从 Ｗｅ ｂ上 的 文 件 内 容 及 其 描 述 信 息 中 两 种 方 法 ： 种 采 用 Ｓ 一 ＱＬ查 询 语 句 进 行 分 析 ． 一 种 将 数 据 导 另 获 取 潜 在 的 、 价 值 的 知 识 或 模 式 的 过 程 。 分 为 Ｗｅ 有 它 ｂ文 本 挖 人 多 维 数 据 立 方 体 中 ．而 后 利 用 Ｏ Ｕ 工 具 进 行 分 析 并 提 供 可 掘 和 Ｗｅ ｂ多媒 体 挖 掘 。Ｗｅ 本 挖 掘 可 以对 Ｗｅ 大 量 的 文 视 化 的结 果 输 出 ｂ文 ｂ上 档集 合 的 内容 进 行 总 结 、 类 、 类 、 联 分 析 以及 利 用 Ｗｅ 分 聚 关 ｂ文 ４ Ｗｅ 、 ｂ挖 掘 的 应 用 档进 行 趋 势 分 析 等 。 ｂ多 媒 体 挖 掘 主要 是 指 通 过 对 Ｗｅ 的 ４１Ｗｅ 掘 在 搜 索 引 擎 方 而 的应 用 Ｗｅ ｂ上 ． ｂ挖 音频 、视 频 数 据 和 图像 进 行 预 处 理 ．应用 挖掘 技 术 对 其 中 潜 在 通 过 对 网 页 内容 的挖 掘 。 以 实 现 对 网 页 的 聚 类 和分 类 ， 可 实 的 、 意 义 的信 息 和 模 式 进 行 挖 掘 的 过 程 。 有 现 网络 信 息 的分 类 浏 览 与 检 索 。 用 Ｗｅ 运 ｂ挖 掘技 术 改 进 关 键 词 Ｗｅ ｂ内容 挖 掘 按 实 现方 法 分 为两 大 类 ：信 息 检 索方 法 和 数 加 权 算 法 ， 高 网络 信 息 ��

式 ，然后与信息进行 匹配．将 事务文件的基础上 ．麻用符种算法，发觋用户的访问特征 ． 符 合用户＊趣的信息宴 时推荐 形成弁种模式席。在本模块 ．难点问题是如何针对不同的问 题选择不同的算法。下而将主要探讨用户｛ 瓯繁访问路径 的挖 给用户。
２２ ２删 ■ｔ
按照 ｗ０ 使用挖掘 的一般 ｂ 模型功能设计如下：
的 日志 记录 ，对 日志记录 进行
清洗梧理 得到用户事务记 录，
客 以点击超链接方式访问网站，所有客户行为可 以抽 象地用点击流米表示，这 些蛛丝马迹都被 记录在服务器 目志
Ｉ 州 ” 一 论 文 选 登
里 。我们大量收集每个客户的行为数 据．深入研 究，从这些 “ 无意义 的鼓据中得到有价值的信 息和知识。本模 型的思 路就是收集分析客户的浏览行为．斌过 数据挖掘方 法发现 客
合ｃ中发现隐龠的模式Ｐ．ＡＩ 粜将ｃ 精作输入．将ｌ 秆作输ｍ．
那么 Ｗｅ 挖掘的过程就是从输入到精ｍ的一个映射 ：Ｃ ＋ ｂ 一Ｉ
１２Ｗｅ ． ｂｔ据控■的分赛
ｗｂ 敬槲有３ 种类型：Ｈ１Ｍ１ ’ 标记的Ｗｅ 文档数据、Ｗｅ ｂ ｂ 文档 内连接的结构数据 ｍ用户访问数据。按 照对应的数据类
问路径的链接 ，本模型还引入 了撼于用户聚娄的挖掘，即向
推荐他所属用户聚娄组其他成员访问的信息 由于该用 用户会话或事务数据等用户与 Ｗｅ 两者之 间联系产生的其它 用ｊ ｂ 数据 。Ｗｅ 使用挖掘是从这些数据中抽取 “ ｂ 感兴趣”的模式 户和本组 其他 用户的请 问行 为是相似的 ．所以其他用户 问 的过程 ｗ曲 使用挖掘的过程 过的信息浚用户也很可能熬兴趣 ； （ ４）实时推荐功能 ：阻别当前在线用Ｊ ．从模式库中提 分为数搦采 、数据ｌ 处理 罔

Ａｂ ｔａ ｔ Ｔｈｓｐ ｐ ｒｉｔｏ ｕ ｅ ａ ｏ ｏ ｆＷ ｅ ｎｎ ｉｃｕ ｉｇＷ ｅ ｏ ｔｎ ｉｉｇ， ｅ ｔｕ ｔ ｒ ｉｉｇａ ｄ ｓｒ ｃ ｉ ａ ｅ ｒ ｄ ｃ ｓａｔｘ ｎ ｍｙｏ ｂｍｉｉｇ，ｎ ｌｄｎ ｂＣ ｎ ｅ ｔＭ ｎｎ Ｗ ｂＳ ｒ ｃｕ ｅＭ ｎｎ ｎ ｎ Ｗ ｅ ａ ｅＭ ｉｉｇ ｉｃ ｓｅ ｈ ｅ ｔｐ ｆ ｅ ａ ｅＭ ｉｉｇ，ｎ ｌｄｎ ａａｏ ｔ ｉｍｅ ｔａ ｄｄ ｔ ｒｐ ｏ ｅ ｓ ｐ ｔｅｎ ｂＵｓｇ ｎｎ ｄｓｕ ｓｓｔ ｒｅｓｅ ｓｏ ｂＵｓ ｇ ｎｎ ｉｃｕ ｉｇ ｄ ｔ ｂａｎ ｎ ｎ ａａｐ ｅ ｒ ｃｓ ， ａｔｒ ｉ Ｗ ｄｓｏ ｅｙ ａ ｄ ｐ ｔｅｎ ａ ａｙ ｉ，ｎ ｌｚｓｔ ｅｔｃ ｎｑ ｅｕ ｅ ｎ ｅ ｃ ｔｐｄ ｔｉ ｄ ｎ ｉ ｔｓｓ ｏ ｔｇ ｆｒｓａ ｃ ｎＷ ｅ ｉｃ ｖ ｒ ｎ ａ ｔｒ ｎ ｌｓｓ ａ ａｙ ｅ ｈ ｅ ｈ ｉｕ ｓｄ ｉ ａ ｈｓｅ ｅａｌ ￣ｉｄｃ ｅ ｈ ｒａ ｅｏ ｅ ｅ ｒｈｏ ｂ ｅ ａ Ｕｓ ｇ ｉｉｇ ａ ｒｓ ｎ ｎ ｉｅ ｈ ｅ ｅ ｒｈ ｄｒ ｃｉｎ ｎ Ｗ ｅ ａ ｅＭ ｉｉｇ ｉ ｈ ｕ ｕ ｅ ａ ｅＭ ｎｎ ｔｐ ｅ ｅ ｔａ ｄ ｇｖ ｓｔ ｅｒｓ ａｃ ｉｅｔ ｓｏ ｂＵｓ ｇ ｎｎ ｎ ｔｅ ｆｔ ｒ． ｏ
站 点文件 访 问 日志 引用 日志 代 理 日志 注册或远程
ｌ ＩＩＩＩ 翻
式●
发 现
一
来＿ ， ２ 并综合运用 了统计学 、 算机 网络 、 ］ 计 数据 库 与数 据仓 库、 可视化等众 多领域 的技 术 Ｗｅ 掘分 为 三类 ： ｂ内 ｂ挖 Ｗｅ 容挖掘 、 ｂ结构挖 掘和 ｗｅ 使用挖 掘 ， 图 １ ｗｅ ｂ 如 所示 。

访 的 ＵＲ Ｌ中直 达） ）
将该 次 用户 的访 问操 作 合 并 到 Ｕ Ｅ ［序 列 的最 后 ： Ｓ Ｒｉ ］
ｅｓ ｍ＋；／ 加 一 项 新 的用 户 ｌ ｍ＝ ｌ／ ｅ 增
）
ｅｓ ｌｅ
｛ ＋； ｉ１ 图 １ Ｗｅ ｂ使 用 挖 掘 数 据 预 处 理 流 程
ｍ＝ １ ｍ＋ ； １
ｍ ＝１ ：
理 和数据文件预处理 。它主要包括五个阶段 ： 数据清洗 、 用户识别 、 会 话 识 别 、 径 补 充 和 事 务 识 别 等 ， 过 这 ５个 步 骤 从 Ｗｅ 日志 文 件 中 路 经 ｂ 提取有用 的信息放到事务文件中 ， 以备挖掘关联规则 ， 如图 １ 所示 。
ｗｌ （ ＝ ／ ｈｉ ｉ ｍ］／ ｅ＜ ｍ为当前 己经判 别出的用 户数 ｛ ｉ（Ｓ ＲｉＩ＝Ｐ＆＆（Ｓ ＲｉＡ ｅ ＝ Ａ ｅ ｔＤ） ｆＵ Ｅ ［． Ｉ） Ｕ Ｅ 【．ｇｎ ＝ ｇｎ． ） （ ］Ｐ ］ Ｉ ｌ ｆ Ｐ为 当前记录 的用户 Ｉ ｉ Ｐ地址 ， ｇｅ． Ａ ｎ ｔＤ为当前记录的 Ａｇｅ 值 Ｉ ｎｔ ｛ ｉ（ ＿ ＲＬ Ｕ Ｅ ［．Ｒ ）＆（ ｆＲｅＵ ＝ Ｓ Ｒｉｕ Ｌ＆ 当前记录的 Ｕ Ｌ可从 Ｕ Ｅ ［ Ｉ （ ］ Ｒ Ｓ Ｒ ｉ￣己 ］
＿
２ Ｗｅ ｂ使 用 挖 掘 数 据 预处 理过 程分 析
数 据 预 处 理 就 是 把 数 据 源 转 化 为 适 合 进 行 用 户 模 式 挖 掘 的 、 确 准 可 靠 的规 范 数 据 。Ｗｅ 用挖 掘 的预 处 理 包 括 内容 预 处 理 、 构 预处 ｂ使 结
｛
ｉ ： ＝１
科技信息
０Ｉ Ｔ论坛Ｏ
Ｓ Ｉ Ｎ Ｅ Ｅ Ｈ Ｏ Ｏ ＹＩＦ Ｒ Ａ Ｉ Ｎ ＣＥ Ｃ ＆Ｔ Ｃ Ｎ Ｌ Ｇ Ｏ Ｍ ＴＯ Ｎ

大 多数 情况下 ，只有 日志中 ＨＴＭＬ文件 者 查 询 其 它媒 体 为主 的 网页 除 外 ） 因 ， 此可以通过检查 ＵＲＩ 资源的后缀删除认为
Ｗｂ 挖掘是 ｅ 强恕 ｅ数据％ 掘的蛊娶务丈 巳 Ｙ 据 对 数 据 源 的 不 同 处 理 方 法 ，Ｗ ｅ 日志 与 用 户会话 相关 （ ｂ 但有 些 以浏 览 图片或
维普资讯
邙冒 谯怠２∞ 年募 叠
峨
◇
蕊 －
雌 遁 ∞
｜ ｜ 。
｜
挖 掘技 术及 其应用研 究
何坤鹏 郭海波 北京化工大学信息科 学与技术学 院 １ ０２ ０９ ０
《 罄 甏 罄 霉 罄 魏 纂 《骥 ｜鏊ｇ黎 ｜ ０ ｌ魏 甏 ｜甏霉 ＼ 的 ，而 且数 据 类型 也相 当丰 富 。所 以根 赣 ｜ ｜ ｜ 甏
中 。 ２ １２ 户识 别 用 户 识 别 由于 本地 缓 ．．用
存 、 代 理 服 务 器 和 防 火 墙 的 存 在 ， 使 得
接 预处理再进行挖 掘 。一般来讲 ，不管 件 。 经 过 数 据 净 化 ，数 据 可 以 十 分 集 Ｉ
发现和模式 分析及应用 ，其过程如 图 １ 所
的 规 则 与 模 式 。 因 此 ，数 据 预 处 理 过 程
是保证 Ｗ ｅ ｂ日志挖掘 质量的关键 。 ２ １１ ． ．数据净化 数据净化指删除Ｗｅ ｂ 服 务 器 日志 中与 挖掘 算 法 无 关 的数 据 。
ｌｇ ｏ ｍｉｉ ｇ …。其中 ，Ｗｅ ｎｎ ） ｂ日志挖掘是
研究人 员关注的焦 点 ，通过挖掘 Ｗ ｅ 日 ｂ 志来 发 现 用户访 问模式 及行为 ，可 以实 ｊ
图 １ Ｗｅ ｂ日志挖掘 的过程
７ ８
一

ｗｈｃ ｅ ｄ ｔｅ ｒｔｃ ｌｄｓ ｕ ｓｏ ｆｍｏ ｅｄｏ ｓｉ ｎｄ ｆｒｉｎ ｓ ｈ ｌｒ ｏ ｉｈ ｎ ｅ ｈ ｏ ｅｉａ ｉｃ ｓ ｉｎ ｏ ｒ ｍｅ ｔｃ ａ ｏ ｅｇ ｃ ｏａｓｏｎ ｈ ｗ Ｗ ｅ ｎｎ ｅ ｅｏ ｂ ｍｉ ｉｇ ｄ ｖ ｌｐｍｅ ｔｐａ ｓａ ｐ ｏ ｔｎ ｏ ｅｏ ｈ ｅ ｅｏ ｍｅ ｔｏ ｎ ｌｙ ｒ ｍｏ ｉｇ ｒｌ ｎ ｔｅ ｄ ｖ ｌｐ ｎ ｆ
ｔｅｒｌ ｅ ，ａ ｌ ａ ｈ ｈ ｌ ｎ ｅ ｔｆｃ ｓ ｈ ｉ ｉ ｓ ｓｗｅ ｌ ｓｔ ｅｃ ａｌ ｇ ｓｉ ａ ｅ ． ｖ ｅ
关键 词 ： ｂ Ｗｅ 挖掘 ； 类 ； 式 分析 ； 分 模 可视化 ； 网络通 信
Ｋｅ ｒ ｓ：Ｗ ｅ ｎｎ ，ｃａ ｓｆｃ ｔｏ ；ｐ ｔ ｒ ｎ ｌｓｓ ｉｕ ｌｚｔｏ ；ｎ ｔ ｒ ｏ ｙ ｗｏ ｄ ｂ ｍｉ ｉｇ ｌｓ ｉ ａｉｎ ａｔ ｎ ａ ａｙ ｉ；ｖｓ ａｉａｉｎ ｅｗｏ ｋ ｃ ｍｍｕｎｃ ｔｏ ｉ ｅ ｉａｉｎ
刘 平 骢 ＬｕＰｎ ； 云③Ｃ ｏＹ ｎ ｉ ｉｇ 曹 ａ ｕ
（ ①湘南学院， 郴州 ４ ３０ ； ２ ００②湖南大学计算机与通信学院， 长沙 ４０ ８ ； １０ ２③郴州工业交通学校 ， 郴州 ４３０ ） ２０ ０ （ Ｘａｇａ ｏｅｅＣ ｅｚｏ ２０ ０Ｃ ｉａ＠ Ｓｈｏ ｏ Ｃｍ ｕ ｒ ｎ ｏ ｍ ｎｃｔ ｎ Ｈ ｎｎＵ ｉ ｒｉ ，ｈｎｓａ １０ ２Ｃ ｉａ ￣ ｉ ｎｎＣｌ ｇ ，ｈｎｈｕ ３０ ，ｈ ； ｃｏｌｆ ｏ ｐ ｔ ｄＣ ｍ ｕ ｉ ｉ ， ｕａ ｎ ｅ ｔ Ｃ ａｇｈ ０ ８ ，ｈｎ ） ｎ ｌ ４ ｎ ｅａ ａｏ ｖ ｓｙ ４ ￣Ｃ ｅｚｏ ｄｓｉ ｒｆｃ ｏ ｅｅＣ ｅｚｏ ２ ００ Ｃ ｉ ） ｈｎｈｕＩ ｕｔａＴａ ｌｇ ，ｈｎｈｕ４ ３０ ，ｈ ａ ｎ ｒｌ ｉ Ｃ ｌ ｎ