数据挖掘技术在Web环境下的应用

数据挖掘和World Wide Web是当前计算机科学两个重要的研究领域,将二者结合起来就形成了新的研究领域Web数据挖掘。Web数据挖掘是从WWW上发现和分析有用的信息,帮助人们从WWW中提取知识,改进站点设计,提供个性化服务。本文侧重于Web挖掘系统自身的构建,建立了一个基于数据挖掘技术的Web挖掘系统的原型Web_Dins,为了提供一个实用的Web挖掘工具的模型,帮助人们更有效地从Web上获取知识。最后本文以股票系统为例简要介绍Web挖掘系统原型在实际领域中的一种应用。     

一种基于多Agent的Web数据挖掘方法

基于多Agent的数据挖掘技术,不仅能够针对不同的Web数据综合采用不同的挖掘算法,而且可以在各站点进行并行挖掘,避免Web通信量过载。在简述Agent技术和Web数据挖掘技术的基础上,结合多Agent和Web数据挖掘,设计出一种新型数据挖掘模型,且进一步阐述了该模型,并做了一些分析测试。结果证明,该方法能有效提高Web数据挖掘的速度、准确率和覆盖率,提高了数据利用率。     

Web数据挖掘综述

随着Internet技术的快速普及和迅猛发展,Internet应用已深入到人类生活的各个角落,如何开发和利用访问Web站点所产生的丰富的信息资源,提高网站的性能,更好地为用户服务、为决策者提供决策支持,成为数据挖掘技术在Web领域研究的热点。本文综述了基于Web的数据挖掘概念、主要技术及分类、流程,说明了Web数据挖掘的应用和研究方向。     

基于Web数据挖掘技术研究

Web数据挖掘是数据挖掘中的一个新的重要研究领域。介绍了基于Web的数据挖掘的概念与特点,对Web挖掘的主要内容进行了阐述,提出了Web挖掘中常用的解决方法以及数据挖掘的过程。同时,对数据挖掘过程中面临的问题进行了分析和研究,提出了相应的解决方案并且举例进行了证明。     

Web日志挖掘中的数据预处理技术研究

在网络技术高速发展的今天,Web技术得到普及,通过对Web的数据挖掘,用户能够获取到所需要的数据信息、知识,同时能够对用户的访问行为、内容进行深入分析.Web日志挖掘是数据挖掘中的重点内容,借助日志挖掘的数据预处理技术,获取到用户特征,将自身的Web的服务设计进行优化,开展针对性的网络活动.基于此,在本文中对Web日志挖掘中的数据预处理技术进行研究,提出预处理算法.     

Web数据挖掘技术研究

Web数据挖掘就是利用数据挖掘技术从网络文档和服务中发现和提取信息。Web数据挖掘是一种新兴的边缘科学技术,他涉及到机器学习、数据挖掘、信息检索、自然语言处理、数据库以及人工智能等技术,可用于网络检索、网站建设以及电子商务等方面。根据数据挖掘对象的不同可以将Web数据挖掘分为3类:Web内容挖掘、Web结构挖掘和Web访问信息挖掘。     

Web数据挖掘技术与XML

Web数据挖掘是数据挖掘技术与Web相结合的产物。在深入分析了Web数据挖掘的基本概念、分类、具体的应用及XML的特点后，讨论了如何用XML来解决Web数据挖掘中的相关问题。     

Web挖掘技术及在电商ERP中的应用

数据丰富而知识贫乏导致了知识发现和数据挖掘领域的出现,基于Web的数据挖掘,是从Web海量的数据中自动、智能地抽取隐藏于这些数据中的知识。文章主要介绍了Web挖掘的概念和技术,最后阐述了Web挖掘在电子商务ERP中的应用。     

基于多层次技术的XML数据挖掘研究

随着互联网的广泛使用,Web的数据挖掘技术成为现阶段数据挖掘技术研究的重点,但由于其数据挖掘控制的复杂,对人们的数据挖掘和使用带来了困难。而XML数据挖掘的出现弥补了Web数据挖掘的缺陷,为其带来了方便。     

基于Web数据库的数据挖掘技术及应用初探

在计算机数据网络系统技术应用的过程中,数据挖掘技术逐渐成为Web数据挖掘的重要信息形式。由于Web数据库中其数据信息结构相对复杂,涉及到的内容较为广泛,传统的数据挖掘技术不能得到系统性的应用。因此,通过对Web数据挖掘技术的应用及分析,进行了技术的探究。     

面向云计算环境下Web数据挖掘技术

在云计算环境下,Web数据挖掘技术得到了快速发展。由于云计算的应用,Web数据挖掘体系已体现出新的特点。分析云计算环境下Web数据挖掘技术的特点,可以明确应用要点,可以实现云计算在数据存储中的突破,实现存储的能力与安全性的提高。从海量数据中高效挖掘有价值的资源,属于信息技术要解决的关键问题。云计算技术支持下的数据挖掘实现了资源的优化配置,体现出实用性、虚拟性的特点,可以保证数据挖掘的高效、精准。因此,有必要构建基于云计算的数据挖掘模式,保证数据挖掘具有更高的精准度,并实现挖掘成本的降低。     

数据挖掘技术在有线电视领域的应用

数据挖掘是近年来在数据库技术、统计学、人工智能、神经网络等学科的基础上发展起来的一门交叉学科，数据挖掘技术已经成功地应用于商业领域，随之又迅速地扩展到社会保险、医学、电信等领域，探讨和分析数据挖掘技术在有线电视领域的应用，并给出了系统体系结构和挖掘算法。     

几种关联规则数据挖掘算法的实现

关联规则挖掘是数据挖掘研究的一个重要分支,其目的是为了发现大量数据中项目集之间感兴趣的相关性信息。经过十余年的发展,关联规则挖掘已经成为数据挖掘技术中较为成熟并很重要的一种方法,涉及到多种关联规则挖掘算法。文章重点介绍Apriori算法和FP—tree算法的基本思想、实现流程及其优缺点。     

XML在Web数据挖掘技术中的应用

Web数据挖掘已经成为当前被广泛研究的课题.目前很多网站都是用HTML构建的,给Web数据挖掘带来了诸多困难,XML的出现为面向Web的数据挖掘带来了便利.本文介绍了一种充分利用XML的优点对HTML描述的网站进行挖掘的一种方法.     

Web用户行为模式挖掘研究

随着互联网的飞速发展,互联网和人们日常的生活、工作、学习等各方面的结合越来越紧密,为使互联网更好的服务于用户(通过Web个性化服务等方式),首先需要了解用户使用互联网的规律性特点,基于Web日志的Web用户行为模式挖掘能解决此问题.目前,Web用户行为模式挖掘仍然是一个新兴的研究领域,其中包含若干需要解决的问题.针对这些问题,在该领域已开展了大量的研究工作.从模式挖掘合理性、模式挖掘结构体系、模式挖掘过程三个方面对Web用户行为模式挖掘中关键问题的研究现状进行了介绍:Web日志中包含了用户访问互联网的一些规律性特征,这些特征可通过Web用户行为模式挖掘的方法得到;为改进模式挖掘、应用的效果,可以采用改进的挖掘结构比如结合内容、结构挖掘的整合结构;Web用户行为模式挖掘过程分为数据预处理、模式挖掘、模式应用三个阶段,这是一个正在发展的研究领域.     

客户关系管理的关键应用技术探讨

从客户关系管理(Customer Relationship Management，CRM)的主要功能出发，探讨了Web技术，数据仓库和数据挖掘技术。CORBA技术和(实时)在线史流技术在CRM系统中的应用，以促使CRM得到更好的发展和应用。     

基于数据挖掘的OLAP分析技术及应用

数据仓库和数据挖掘技术是目前信息技术研究的热点问题之一,介绍了数据挖掘(data mining)、数据仓库(datawarehouse)及联机分析处理(OLAP)技术。并以零售业决策支持系统为例,介绍了该系统的体系结构、数据仓库的设计、系统实现关键技术及各子系统功能,着重论述了如何利用OLAP技术实现企业决策支持系统。     

新型客户订单分析管理

随着互联网的发展,数据量急剧膨胀,人们需要高效、自动化的数据分析工具,数据挖掘应运而生,数据挖掘这种技术是当今研究的热点之一。利用数据挖掘技术对客户订单的研究一直以来是国内外学者研究的热点问题,利用数据挖掘技术对客户订单的管理进行了分析和设计,从大量的数据中抽取有用的商业信息,实现经营管理中的决策支持,从而提高客户订单管理系统的时效性。