Web數(shù)據(jù)挖掘技術(shù)模型分析

王曉艷

摘 要 隨著我國信息技術(shù)的不斷發(fā)展，Web挖掘技術(shù)被廣泛應(yīng)用，為此，文章對Web挖掘技術(shù)進行分析，主要從Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘和Web訪問信息挖掘三方面展開論述。

關(guān)鍵詞 Web數(shù)據(jù)挖掘；技術(shù)模型；具體解析

中圖分類號：TP393 文獻標(biāo)識碼：A 文章編號：1671-7597（2014）03-0055-01

Web框架下的數(shù)據(jù)挖掘，主要經(jīng)由對數(shù)據(jù)挖掘類技術(shù)的現(xiàn)實利用，從網(wǎng)絡(luò)供應(yīng)的服務(wù)，以及現(xiàn)有的網(wǎng)絡(luò)文檔中，發(fā)覺并提煉信息。數(shù)據(jù)挖掘含有的對象不同，可以將現(xiàn)有的Web挖掘，分為三個類別：Web框架下的內(nèi)容挖掘、Web框架下的信息挖掘、Web帶有的結(jié)構(gòu)挖掘。

1 新穎的內(nèi)容挖掘

伴隨信息技術(shù)延展，Web框架下的數(shù)據(jù)類別也在遞增，從本源層級上來講，主要涵蓋了圖像類、文本類、聲音類、元數(shù)據(jù)類、視頻類等。在不同類別的數(shù)據(jù)以內(nèi)進行挖掘，就構(gòu)造出了多媒體屬性的數(shù)據(jù)挖掘。

1） Web框架下的文本挖掘。數(shù)據(jù)挖掘，應(yīng)指代在很不完備的、數(shù)目偏多的、很含糊的、帶有雜聲的、帶有隨機特性的數(shù)據(jù)內(nèi)，將其中潛藏著的各類別信息及關(guān)聯(lián)知識，予以提煉。若數(shù)據(jù)挖掘的目標(biāo)對象，只歸屬于文本，便構(gòu)造出文本屬性的數(shù)據(jù)挖掘。挖掘?qū)ο螅w著半結(jié)構(gòu)類、非結(jié)構(gòu)類、結(jié)構(gòu)化框架下的數(shù)據(jù)；而非結(jié)構(gòu)化屬性的數(shù)據(jù)，是側(cè)重的挖掘成分。

在IR這一領(lǐng)域中，文檔采納了空間向量模型這一獨有的形式，空間配有的向量，便歸屬于文檔。對文檔含有的特征集，予以提煉時，常常會多遍掃描，而獲取到特征向量，其現(xiàn)有維數(shù)非常高，這就增添了必備的處理時段。所以，在沒能影響到現(xiàn)有匹配結(jié)果及關(guān)聯(lián)分類的根基上，需要對原有的特征子集，予以選取。選取時，先對某個特有函數(shù)，創(chuàng)設(shè)構(gòu)造，然后對這一子集中含有的特征進行評判，將評判價值偏高的那些特征，選取出來，歸結(jié)成特征子集。常常見到的評價函數(shù)，歸屬于交叉熵等。

對文本類別的數(shù)據(jù)去挖掘時，所接納的模型質(zhì)量類評價方法，和慣用的挖掘方法很近似，分類算法之內(nèi)，樸素貝葉斯這一類別的算法，很常見。評判現(xiàn)有的模型質(zhì)量，主要涵蓋著分類帶有的準(zhǔn)確率、分類帶有的正確率、慣用的信息估值。

中文框架下的信息編碼，是偏復(fù)雜的，這一類別的編碼，在Web內(nèi)，較為常見的，歸屬于BIG5屬性的編碼、GB類別的碼、HZ類別的碼等。對帶有中文類碼的HTML，采納數(shù)據(jù)挖掘，要對這一類別的編碼標(biāo)準(zhǔn)予以辨識，并更替成帶有統(tǒng)一性的慣用指標(biāo)，然后才可挖掘。

2）對Web框架下多媒體挖掘，予以解析。在數(shù)據(jù)挖掘內(nèi)，多媒體屬性的挖掘，是一個凸顯出來的挖掘領(lǐng)域，它從多媒體屬性的數(shù)據(jù)庫內(nèi)，提煉出潛藏著的知識。多媒體屬性的數(shù)據(jù)挖掘，帶有廣義性，涵蓋著對聲音、多樣的視頻以及各類別圖像的挖掘，同時涵蓋著文本類數(shù)據(jù)挖掘。

進行多媒體屬性的數(shù)據(jù)挖掘，要先凝練得來必備的信息，然后對慣用的挖掘方式，予以挖掘。對網(wǎng)頁中潛藏著的多媒體類別數(shù)據(jù)，凝練屬性時，要對HTML類別的標(biāo)簽信息充分利用。

2 Web框架下的結(jié)構(gòu)挖掘

這種構(gòu)架，被當(dāng)成Web，因為它沒能由HTML類別的頁面，單純堆積而構(gòu)造出來，而是在Web含有的頁面間，有著各類別的關(guān)系，而能在現(xiàn)有的Web之間，架設(shè)出橋梁，因此歸屬于超鏈。超鏈能對現(xiàn)有的Web類頁面關(guān)聯(lián)，選取出適宜的表征形式，如引用類的關(guān)系和繼承類的關(guān)系等。但是對于現(xiàn)有的Web框架下搜索工具，不會顧及到Web結(jié)構(gòu)，仍然把這種Web，當(dāng)成獨立框架下文檔的集中。Web現(xiàn)有的結(jié)構(gòu)挖掘，是經(jīng)由對引用解析類技術(shù)與服務(wù)類技術(shù)的可行利用，對Web框架下的結(jié)構(gòu)銜接進行分析，將其中可用的所有模式，予以提煉。進行這一類別的結(jié)構(gòu)挖掘時，其潛藏著的結(jié)構(gòu)對象，既可以是現(xiàn)有的Web頁面構(gòu)架，也可以是現(xiàn)有Web頁面搭配的超鏈。前者含有針對性，帶有特定的應(yīng)用層級內(nèi)目的，而后者存在著普遍價值。

Web框架下的結(jié)構(gòu)挖掘，把Web當(dāng)成了獨有的有向圖，Web含有的頁面，當(dāng)成頂點，而圖含有的邊，歸屬于超鏈。然后經(jīng)由對圖論的現(xiàn)實利用，對Web框架下拓撲結(jié)構(gòu)去解析。常常見到的算法，歸屬于發(fā)覺相似頁面、發(fā)覺虛擬社區(qū)、分出頁面類別、發(fā)覺地理位置。結(jié)構(gòu)挖掘算法，通?？煞殖鰞深悾活悮w屬于查詢無關(guān)，一類歸屬于查詢相關(guān)。采用查詢相關(guān)這一算法時，需要對各類別的查詢，進行超鏈解析，獲取到一次值的精準(zhǔn)指派；接納查詢獨立框架下的算法時，要對各類別的文檔，去進行一次值的精準(zhǔn)指派。

3 Web框架下的信息挖掘

對現(xiàn)有的交易及關(guān)聯(lián)商務(wù)，都是經(jīng)由Web去予以落實。因此，在各類別的服務(wù)器方，會產(chǎn)出數(shù)目偏多的數(shù)據(jù)，它們由服務(wù)器所產(chǎn)出，并存留在服務(wù)器配有的日志文件內(nèi)，另外，還會產(chǎn)出很多數(shù)目的用戶信息，如注冊類的信息。對這些數(shù)據(jù)解析以后，可以讓現(xiàn)有的商家，更好地明晰客戶信息，從而對現(xiàn)有市場以及現(xiàn)有商品，進行更精準(zhǔn)的決策；對于供應(yīng)網(wǎng)絡(luò)類服務(wù)的人員，可以整合起總括的站點，以便供應(yīng)出帶有個性化的新服務(wù)。

Web框架下信息挖掘，帶有如下特性：當(dāng)用戶訪問到既有網(wǎng)絡(luò)，可對用戶現(xiàn)有的活動及關(guān)聯(lián)行為，予以推測。挖掘方法可分出以下兩類：

原始數(shù)據(jù)，經(jīng)由網(wǎng)絡(luò)服務(wù)器搭配的日志文件，選用獨有的處理方法，對其進行歸整，然后再去挖掘。

把網(wǎng)絡(luò)服務(wù)類日志，現(xiàn)有的文件，經(jīng)由圖表去展示，然后去挖掘。通常情形之下，只要對原始屬性的數(shù)據(jù)，予以處理后，便可對舊有的數(shù)據(jù)挖掘，予以采納，以便獲取到挖掘目的。

數(shù)據(jù)清除流程終結(jié)以后，制備出事務(wù)標(biāo)識類模塊，對登錄項含有的日志，分出邏輯類別。采用這樣的事務(wù)標(biāo)識，是為了讓各類別的用戶，都能產(chǎn)出帶有一定含義的聚類。因此，這種事務(wù)標(biāo)識含有的目的在于，將總括的大事務(wù)進行歸整，以便分出幾個分支屬性的小事務(wù)。在這一過程中，可以分解出多樣步驟，或者是接納合并擴展這樣的形式，從而產(chǎn)出最適宜的事務(wù)。

4 結(jié)束語

Web框架下的數(shù)據(jù)挖掘，是新產(chǎn)出的技術(shù)，關(guān)涉到各類別的多樣技術(shù)，正處于初始時段中。國內(nèi)對這一層級進行的研究，數(shù)目還是偏少，對于Web含有的中文信息的關(guān)聯(lián)挖掘技術(shù)，沒能制備出完善方案。但是，對Web框架下數(shù)據(jù)挖掘技術(shù)現(xiàn)有的研究，具有明顯的實用價值和商業(yè)價值。

參考文獻

[1]薛鴻民.Web數(shù)據(jù)挖掘技術(shù)研究[J].現(xiàn)代電子技術(shù)，2006（08）.

[2]李亞哲，李雅莉.Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)系統(tǒng)中的應(yīng)用[J].硅谷，2011（01）.

[3]趙志升，羅德林，李海英.數(shù)據(jù)挖掘技術(shù)與應(yīng)用[J].河北北方學(xué)院學(xué)報（自然科學(xué)版），2006（06）.endprint