基于XML的Web數(shù)據(jù)挖掘及關(guān)聯(lián)算法的研究.pdf

1、近年來(lái)，隨著互聯(lián)網(wǎng)的迅速發(fā)展，互聯(lián)網(wǎng)上的數(shù)據(jù)越來(lái)越龐大，而且數(shù)據(jù)的種類也越來(lái)越繁雜，怎樣能夠有效地利用這些復(fù)雜的數(shù)據(jù)，從中發(fā)掘有價(jià)值的信息成了現(xiàn)今的研究熱點(diǎn)。 由于Web上的數(shù)據(jù)沒(méi)有特定的模型描述，是一種半結(jié)構(gòu)化或者是無(wú)結(jié)構(gòu)的數(shù)據(jù)，那么相對(duì)于傳統(tǒng)的數(shù)據(jù)庫(kù)挖掘技術(shù)而言，就存在著很多的困難。XML是一種半結(jié)構(gòu)化的數(shù)據(jù)模型，可以很容易地將XML的文檔描述與關(guān)系數(shù)據(jù)庫(kù)中的屬性對(duì)應(yīng)起來(lái)，實(shí)施精確的查詢和模型抽取。所以，面向XML的數(shù)據(jù)挖掘

2、技術(shù)有著不同于傳統(tǒng)數(shù)據(jù)庫(kù)上的數(shù)據(jù)挖掘技術(shù)的特點(diǎn)。此外Apriori算法是一個(gè)經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法，但是它存在這需要頻繁重復(fù)掃描數(shù)據(jù)庫(kù)以及產(chǎn)生數(shù)量龐大的2-項(xiàng)集等弊端。 本文在介紹了數(shù)據(jù)挖掘、Web數(shù)據(jù)挖掘、XML等一些基本概念、技術(shù)、方法、過(guò)程的基礎(chǔ)上，完成了從XML Schema文檔映射為關(guān)系模式的設(shè)計(jì)，即在基于XML的Web數(shù)據(jù)挖掘與傳統(tǒng)的基于關(guān)系數(shù)據(jù)模式的數(shù)據(jù)挖掘算法中間建立了聯(lián)系之后，對(duì)傳統(tǒng)的Apriori算法進(jìn)行了分