资源描述：
《基于xml技术的web挖掘及其解析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、摘要摘要随着Internet的发展，它成为迄今为止最丰富的信息源，然而，在海量的数据中挖掘出有用的信息将变得越来越困难，Web挖掘技术在这种情况下应运而生。数据挖掘是从大量的数据中发现隐含的规律性的内容，而Web挖掘是利用数据挖掘技术，从网络中发现和提取信息，它是一项比较复杂的技术。由于Web上的数据以多种形式存在，没有特定的模型来描述，且缺乏机器所能理解的语义，从而使有些数据挖掘技术并不适用于Web挖掘。XML正逐渐成为新一代互联网数据组织和交换的标准，大量的XML数据很快出现在Web上。由于XML具有可扩展性、结构化和有效性，它能
2、够使不同来源的结构化的数据很容易地结合到一起，因而两者的结合成为数据挖掘领域的一个热点。Web挖掘包括内容挖掘，结构挖掘，使用记录挖掘，本文对Web挖掘的有关理论进行了阐述，着重讨论了基于XML技术的Web内容挖掘，设计并实现了一个Web内容挖掘系统框架。本文完成的主要工作如下：1．首先从Web挖掘研究背景入手，介绍了数据挖掘技术以及Web挖掘技术，包括它们的概念、分类、难点等情况。介绍了XML技术产生的背景，主要特点以及在Web挖掘中的应用等等。2．设计了一个基于XML技术的Web挖掘系统框架，在此基础上实现了Web上信息的提取以及
3、挖掘。整个框架由三个模块组成：数据采集模块，数据预处理模块以及数据挖掘模块。数据采集模块主要是获取待挖掘的数据源，其思想是利用元搜索引擎从Internet中抓取Web页面。数据预处理模块中，将其分别转换成XML格式的文档，然后再将这些不同的文档进行数据集成，合并成一个文档。实现了XML到数据库的转换：利用XML文档的结构化特性，使用VTD-XML解析技术对其中的节点进行解析，通过Java/JDBC将解析出来的数据存储到数据库中，方便进一步的挖掘或者以后的程序调用。在数据挖掘模块中，对数据库中的数据进行聚类，从而抽取有用知识。3．对XM
4、L现有的解析技术DOM与SAX做了全面的分析，对VTD-XML的解析原理进行了重点研究。通过与其它解析器的比较，发现比其它传统的解I基于XML技术的Web挖掘及其解析析器优越的特性。并且在详细分析的基础上提出了VTD记录的扩展方案以及改进方案。4．对全文进行了总结和展望。关键词：Web挖掘、XML、XSL、XML解析IIAbstractAbstractWiththedevelopmentoftheInternet,ithasbecomethemostabundantinformationsourcesofar.However,mini
5、ngusefulinformationfromlargeamountofdatabecomesmoreandmoredifficult.Asaresult,Webminingtechnologyemergesasthetimesrequire.Dataminingdiscoversnon-obvious,regularinformationfromlargeamountofdata,whileWebminingdiscoversandextractsinformationfromtheinternet,usingdataminingt
6、echnology,whichisverycomplex.Existedinalargenumberofforms,thedatainWebishardtodescribeinspecificmodels,andislackofsemanticsthatmachinescanunderstand,dataminingtechnologycannotbecompletelyusedinWebmining.NowadaysXMLgraduallybecomesadataorganizationandexchangestandardinne
7、wgenerationInternet,plentyofXMLdataappearontheWebsoon.ThankstotheXML‘sexpansibility,structureandvalidity,itmakesdifferentsourcesofstructuraldatacombineeasily,sothecombinationofthembecomesahotspotindataminingfield.Webminingincludescontentmining,structureminingandusagemin
8、ing.ThispaperdescribesthetheoryofWebmining,emphasizestheWebcontentminingbasedonXMLtechnology,designsandimpleme
