基于XML的文本數(shù)據(jù)挖掘的研究.pdf

1、隨著互聯(lián)網(wǎng)應用的迅速發(fā)展,現(xiàn)有的信息搜索技術(shù)嚴重落后于WWW的發(fā)展,如何從繁雜的互聯(lián)網(wǎng)數(shù)據(jù)中高效的尋找到用戶感興趣的有用信息,是當前網(wǎng)絡信息搜索的研究重點.本文在數(shù)據(jù)挖掘和信息檢索技術(shù)的基礎上引入了基于XML的文本數(shù)據(jù)挖掘模型,其模型設計包括以下幾部分:1. XML頁面的信息搜索首先在引入數(shù)據(jù)聯(lián)合查詢思想的基礎上,提出了一種網(wǎng)絡數(shù)據(jù)聯(lián)合查詢的優(yōu)化方案,將互聯(lián)網(wǎng)上的信息來源根據(jù)測試標準分為大、小數(shù)據(jù)源,在進行robot搜索時優(yōu)先搜索大數(shù)據(jù)

2、源中的數(shù)據(jù),縮短搜索時間提高搜索效率.然后在面向XML文檔的信息檢索中,將結(jié)構(gòu)檢索和語義檢索相結(jié)合,通過結(jié)構(gòu)檢索幫助用戶快速定位到文檔結(jié)構(gòu)細節(jié),利用語義檢索則滿足讀者語義層次的需求,從而實現(xiàn)較全面的概念檢索.2.XML頁面的信息抽取及數(shù)據(jù)模式的轉(zhuǎn)換根據(jù)XML文檔的結(jié)構(gòu)形式,利用XML+DOM技術(shù)提取文檔中的數(shù)據(jù)信息轉(zhuǎn)化為記錄存儲到關系數(shù)據(jù)庫中.在這個過程中,DOM(Document Object Model)技術(shù),實現(xiàn)對XML文檔的解析

3、和定位.另外通過建立XML虛擬數(shù)據(jù)源,可以為應用系統(tǒng)提供更為方便的數(shù)據(jù)訪問服務,完成由異構(gòu)數(shù)據(jù)源向單一XML文檔的轉(zhuǎn)換工作之后,可在邏輯層上采用XML數(shù)據(jù)存儲機制對XML數(shù)據(jù)源進行訪問.3.用戶查詢接口設計將向量空間模型和隱含語義索引模型作為文檔信息的檢索模型,通過相關反饋技術(shù)進一步提高檢索的質(zhì)量.信息檢索強調(diào)使用一種好的檢索模型,將文檔和用戶查詢表示成相同的形式,并計算它們之間的相似性,然后將檢索結(jié)果按照一定的順序呈現(xiàn)給用戶,并且檢索