Web數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用

摘 要：在互聯(lián)網(wǎng)迅速發(fā)展的帶動(dòng)下，網(wǎng)絡(luò)上所儲(chǔ)存數(shù)據(jù)量呈現(xiàn)逐漸上升的趨勢(shì)，為了能夠合理有效的實(shí)現(xiàn)對(duì)這些數(shù)據(jù)的運(yùn)用，人類開始對(duì)數(shù)據(jù)挖掘技術(shù)展開了愈發(fā)深入的研究與應(yīng)用。從當(dāng)前的情況來看，隨著Web的逐漸普及，數(shù)據(jù)挖掘技術(shù)已經(jīng)在越來越多的領(lǐng)域得到了廣泛關(guān)注與應(yīng)用。本文我們將從Web數(shù)據(jù)挖掘這一問題著手，針對(duì)其具體應(yīng)用做出分析及研究。

關(guān)鍵詞：Web應(yīng)用；數(shù)據(jù)挖掘技術(shù)；互聯(lián)網(wǎng)；研究

中圖分類號(hào)：TP393.09

隨著互聯(lián)網(wǎng)的產(chǎn)生，其網(wǎng)絡(luò)上各種不同服務(wù)也正在快速產(chǎn)生而得到發(fā)展，很多公司急切需要通過利用互聯(lián)網(wǎng)巨大的信息源對(duì)客戶行為進(jìn)行分析，搜尋最佳商機(jī)。Web數(shù)據(jù)挖掘技術(shù)就是從該種商業(yè)角度進(jìn)行考慮，它是在二十世紀(jì)八十年代末的時(shí)候被研發(fā)出來，該數(shù)據(jù)挖掘技術(shù)是在Web網(wǎng)絡(luò)原有的基礎(chǔ)上納入挖掘數(shù)據(jù)的方法與思想。在Web網(wǎng)絡(luò)中通過該方法解決遇到出現(xiàn)的問題，以此形成Web的數(shù)據(jù)挖掘，基于Web網(wǎng)絡(luò)的數(shù)據(jù)挖掘，它是數(shù)據(jù)挖掘中的一個(gè)全新的研究領(lǐng)域與方向，能夠滿足對(duì)未來電子商務(wù)的發(fā)展趨勢(shì)的需求。

1 Web數(shù)據(jù)庫(kù)及數(shù)據(jù)挖掘的特點(diǎn)

在對(duì)大量的網(wǎng)絡(luò)信息進(jìn)行認(rèn)真分析研究的基礎(chǔ)上，我們才可以進(jìn)行Web數(shù)據(jù)的挖掘活動(dòng)，在這個(gè)過程中一定要注意使用最佳的方式來進(jìn)行，在具體的模式可使用過程中，必須要進(jìn)行數(shù)據(jù)信息的提煉、信息選擇、信息調(diào)整、數(shù)據(jù)挖掘和模式分析，然后再進(jìn)行歸納總結(jié)，對(duì)使用者的習(xí)慣以及細(xì)化哦進(jìn)行推測(cè)，以實(shí)現(xiàn)合理地信息數(shù)據(jù)管理，將可能存在的安全性問題的發(fā)現(xiàn)進(jìn)行防御。Web數(shù)據(jù)挖掘所包含的內(nèi)容及其寬泛，除了對(duì)信息數(shù)據(jù)進(jìn)行的處理，還涉及計(jì)算機(jī)胡網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)儲(chǔ)、人工智能、信息檢索、可視化、自然語言理解等多方面的內(nèi)容。

從海量的信息中找到一個(gè)有意思的模式就是信息數(shù)據(jù)的挖掘，這些數(shù)據(jù)可以存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其它信息存儲(chǔ)中，從學(xué)科方面來說它已經(jīng)具有了跨學(xué)科的性質(zhì)，比方說數(shù)據(jù)庫(kù)體系、信息儲(chǔ)備中心、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、信息提取和高性能計(jì)算。

2 Web數(shù)據(jù)挖掘技術(shù)的概念與類型

所謂的Web數(shù)據(jù)挖掘技術(shù)，它是在挖掘數(shù)據(jù)技術(shù)的基礎(chǔ)之上，針對(duì)網(wǎng)絡(luò)數(shù)據(jù)中的服務(wù)日志文件與Web文檔進(jìn)行分析數(shù)據(jù)、歸納與匯總，并且在當(dāng)中發(fā)掘與索取有用潛在的知識(shí)及信息的技術(shù)。應(yīng)用Web挖掘技術(shù)能夠發(fā)現(xiàn)更多的隱藏信息資源或者其他潛在的有趣應(yīng)用模式，同時(shí)在信息過濾技術(shù)的協(xié)助下使客戶獲取層次更高的知識(shí)和規(guī)律。按照有關(guān)技術(shù)原理，可把Web數(shù)據(jù)挖掘技術(shù)分如下幾大類：

2.1 Web的結(jié)構(gòu)挖掘

結(jié)構(gòu)挖掘是指在Web挖掘中運(yùn)用Web構(gòu)造組織之間的鏈接關(guān)聯(lián)，從而對(duì)網(wǎng)頁系統(tǒng)里具有實(shí)用價(jià)值的形式進(jìn)行計(jì)算。在海量的Web超鏈接數(shù)據(jù)中，為Web網(wǎng)頁面創(chuàng)造出足夠的合適的數(shù)據(jù)信息資料，它可以對(duì)文檔當(dāng)中的引用、從屬及包含關(guān)系聚集地反映出來，同時(shí)經(jīng)由對(duì)Web文檔當(dāng)中信息資料體系進(jìn)行分析，能夠有效地處理掉存在的任何問題，以有便于搜尋到權(quán)威性的網(wǎng)頁面。

在Web結(jié)構(gòu)挖掘范圍內(nèi)，HITS和PageRank算法是應(yīng)用最多的算法，這兩個(gè)方面都是通過固定的計(jì)算手段進(jìn)行測(cè)算的，在這種情況下可以對(duì)網(wǎng)頁超鏈接的質(zhì)量進(jìn)行有效保護(hù)，比方說：在百度中搜索方式的使用可以提高計(jì)算水平。

2.2 Web的內(nèi)容挖掘

內(nèi)容挖掘主要是在Web挖掘中搜集有利的Web資源信息（例如：內(nèi)容、數(shù)據(jù)及文檔等）。Web包括許多不同種類的資源信息，現(xiàn)在絕大部分網(wǎng)絡(luò)資源信息基本上均都是從www資源信息當(dāng)中獲得，這除了這些可以個(gè)體可以直接檢索得到并加以使用達(dá)到目標(biāo)的信息資源以外，還有一些信息數(shù)據(jù)是通過加密的普通個(gè)體是無法檢索得到的，要向獲得這些信息數(shù)據(jù)必須對(duì)其采取Web挖掘的手段來進(jìn)行。

2.3 Web的使用挖掘

使用挖掘是在Web挖掘中實(shí)施挖掘網(wǎng)頁面中的對(duì)應(yīng)站點(diǎn)信息數(shù)據(jù)與日志文件，從而去對(duì)相應(yīng)的站點(diǎn)進(jìn)行有效地訪問。這是因?yàn)樵诰W(wǎng)頁面的信息訪問中，質(zhì)量具有很重要的作用、復(fù)雜的信息，而每個(gè)資源信息在服務(wù)器的上面，都存在一個(gè)形式化的日志訪問頁面，當(dāng)用戶提出了訪問頁面的要求以后，訪問服務(wù)器會(huì)自覺地將所需的數(shù)據(jù)進(jìn)行記錄。因此對(duì)Web不同的使用的日志訪問進(jìn)行分析，有助于掌控Web結(jié)構(gòu)與客戶的動(dòng)態(tài)行為，更加有利于使網(wǎng)站的工作效率得到有效提升。

3 數(shù)據(jù)挖掘工作流程

3.1 定義問題

先對(duì)信息挖掘體系的主要目的進(jìn)行評(píng)論，明確其具備的具體價(jià)值以及將會(huì)帶來的實(shí)際效果進(jìn)行分析。

3.2 形成數(shù)據(jù)挖掘庫(kù)

對(duì)于數(shù)據(jù)挖掘來說數(shù)據(jù)挖掘體系是最重要的一個(gè)關(guān)鍵點(diǎn)，我們可以通過相關(guān)信息資料的搜集來證實(shí)，對(duì)數(shù)據(jù)體系的行程內(nèi)容進(jìn)行研究，生成“數(shù)據(jù)表述報(bào)告”，將信息資料庫(kù)中所有的信息進(jìn)行合理地整合，把來自不同數(shù)據(jù)源的數(shù)據(jù)并到同一個(gè)數(shù)據(jù)庫(kù)中，讓沖突的以及不一致的數(shù)據(jù)統(tǒng)一化。建好數(shù)據(jù)挖掘庫(kù)以后應(yīng)該安排專門的人員對(duì)它進(jìn)行定期的檢查管理，防止任何安全隱患的存在，在對(duì)它的安全性進(jìn)行維護(hù)的過程中，需要定期備份，監(jiān)視它的性能，還需要根據(jù)實(shí)際的需要不斷地?cái)U(kuò)大它的存放空間，對(duì)那些專門用來存放復(fù)雜數(shù)據(jù)的系統(tǒng)中心，必須要將這項(xiàng)工作交給專業(yè)的工作人員來完成。

3.3 清理分析數(shù)據(jù)挖掘庫(kù)

不正確的信息數(shù)據(jù)都是廣泛地存在的，所以說對(duì)于很大的信息數(shù)據(jù)儲(chǔ)存中心來說保證數(shù)據(jù)的正確性。所以，一定要采取有效的措施對(duì)其進(jìn)行合理的管理，將數(shù)據(jù)保存與使用中可能會(huì)出現(xiàn)的機(jī)械性錯(cuò)誤率降到最低，處理好模型與整個(gè)數(shù)據(jù)體系的完整性。

3.4 探索分析數(shù)據(jù)挖掘庫(kù)

這樣做主要是為了對(duì)信息數(shù)據(jù)的模型進(jìn)行管理。主要包括選擇變量、選擇記錄、創(chuàng)建新變量、轉(zhuǎn)換變量、探索分析。

3.5 創(chuàng)立數(shù)據(jù)挖掘模型

做好這項(xiàng)工作對(duì)于信息數(shù)據(jù)的高效保存有很重要的作用，為了讓模型更加合理，具有正確性與穩(wěn)定性，我們必須要從宏觀上來對(duì)這個(gè)模型所需的材料進(jìn)行處理，讓模型能為后續(xù)的數(shù)據(jù)保存工作提供一個(gè)依據(jù)與參考標(biāo)準(zhǔn)。

4 基于Web的數(shù)據(jù)挖掘應(yīng)用

4.1 數(shù)據(jù)控掘在高校教學(xué)中的應(yīng)用

使用該種體系有利于對(duì)學(xué)生學(xué)習(xí)生活的實(shí)際狀況進(jìn)行客觀有效地分析，掌握學(xué)生的實(shí)際學(xué)習(xí)狀況，為教師的教學(xué)活動(dòng)提供詳細(xì)的信息，提高教學(xué)效率的同時(shí)提高學(xué)生的學(xué)習(xí)效率，幫助學(xué)生在最短的時(shí)間內(nèi)提高學(xué)習(xí)成績(jī)；端正學(xué)生的學(xué)習(xí)態(tài)度，提高學(xué)習(xí)方法。

4.2 數(shù)據(jù)控掘在電子商冬中的應(yīng)用

對(duì)于現(xiàn)代市場(chǎng)營(yíng)銷來說，網(wǎng)絡(luò)方式引進(jìn)就是其信息化的最有利的證明，隨著我們的商務(wù)活動(dòng)的不斷完善，網(wǎng)絡(luò)營(yíng)銷將會(huì)成為營(yíng)銷業(yè)的全新發(fā)展趨勢(shì)。因此我們可以看到，將這一技術(shù)充分地應(yīng)用到電子商務(wù)活動(dòng)中，能夠幫助企業(yè)進(jìn)行客觀的市場(chǎng)發(fā)展?fàn)顩r的分析，確定有效的發(fā)展目標(biāo)，找到最佳發(fā)展方式。

5 結(jié)束語

總而言之，Web數(shù)據(jù)挖掘技術(shù)的應(yīng)用有利于企業(yè)編制具有遠(yuǎn)見性的營(yíng)銷戰(zhàn)略，促使企業(yè)可以在市場(chǎng)激烈競(jìng)爭(zhēng)中掌控更加有利的發(fā)展時(shí)機(jī)。隨著迅速發(fā)展的電子商務(wù)，Web數(shù)據(jù)挖掘技術(shù)在未來的發(fā)展空間將變得更加廣闊及前途無量。

參考文獻(xiàn)：

[1]柴文光，周寧.網(wǎng)絡(luò)信息安全防范與Web數(shù)據(jù)挖掘技術(shù)的整合研究[J].情報(bào)理論與實(shí)踐，2009（03）：97-101.

[2]范建中，王福慶.基于Web的數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用[J].電腦編程技巧與維護(hù)，2009（12）：32-33+42.

[3]居曉琴，周學(xué)全.Web數(shù)據(jù)挖掘技術(shù)探索與應(yīng)用[J].山東紡織經(jīng)濟(jì)，2009（06）：144-147.

[4]馬建功.WEB數(shù)據(jù)挖掘技術(shù)與應(yīng)用[J].廣東公安科技，2010（01）：29-32.

作者單位：柳州醫(yī)學(xué)高等專科學(xué)校附屬中等衛(wèi)生學(xué)校，廣西柳州 545002