利用语义进行Web结构挖掘

本文论述了利用语义挖掘Web结构、Web使用挖掘进行了基于语义挖掘方法的探讨,并对PageRank算法进行了分析,针对该算法的不足之处进行了改进。     

基于本体的Web分类技术研究

主要提出了一种基于本体的抽象的Web挖掘模型。首先利用本体的方法表示出要挖掘的领域,然后把从用户处收集来的数据转换成表格;最后再根据定义和公式来进行知识发现。抽象的Web挖掘模型可以提取出语义Web中隐藏在大量信息背后的近似概念,来实现知识发现。     

利用语义进行Web结构挖掘

本文论述了利用语义挖掘Web结构、Web使用挖掘进行了基于语义挖掘方法的探讨，并对PageRank算法进行了分析，针对该算法的不足之处进行了改进。     

Web使用信息挖掘综述

Web使用信息挖掘可以帮助我们更好地理解Web和Web用户访问模式,这对于开发Web的最大经济潜力是非常关键的。一般来说,使用信息挖掘包含三个阶段：数据预处理,模式发现和模式分析。文章以这三个阶段为PWeb框架,分别介绍了数据预处理的技术与困难,Web使用信息挖掘中常用的方法和算法,以及主要应用。     

语义网中基于Web资源本体的数据中介服务

为了搜索Web资源中深层数据并对其利用,在分析利用搜索引擎获取Web资源存在问题的基础上,利用语义网和Web服务技术,提出构建Web资源本体模型实现对Web资源进行语义标识,结合服务管理代理构建数据中介服务应用模型,并以Web服务方式实现Web资源数据中介服务.通过实验验证了Web资源数据中介服务的有效性和可行性,从而实现帮助用户能在形式多样、种类繁多的海量Web资源中有效地荻取和共享Web资源数据.     

基于web挖掘的用户服务研究

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，分析了Web挖掘技术的概念、特点、技术等。根据Web数据挖掘最流行的分类，可以分为Web内容挖掘、Web结构挖掘和Web使用记录挖掘。其中Web使用挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理。该文根据Web数据挖掘的最近研究状况，主要论述了一个更新的频繁路径集的挖掘浏览模式在Web用户个性化服务中的应用，同时，还对发现的知识讨论了其在在线服务中的应用并给出了相应算法。     

Web浏览行为的客户端追踪的研究

目前Web挖掘的数据源来自于服务器端,包括：日志、内容、结构数据,由此相应有Web使用挖掘,Web内容挖掘,Web结构挖掘;基于当前Web挖掘的不足本文在数据源问题上给出了自己的看法,提出了在客户端进行数据收集的观点,并采用在页面中嵌入追踪功能的方法来实现。文中首先描述了当前基于服务器端数据的Web挖掘的现状和不足,并给出了在客户端收集浏览行为的解决方法;然后介绍了当前的几种可以用于客户端追踪技术并比较其优缺点,最后,采用嵌入脚本的方法实现客户端数据的收集和发送,最为合适当前的互联网环境。     

WAP网关——无线互联网的枢纽

WAP网关是WAP应用中的关键部分。WAP规范使用标准的Web代理技术将无线网络与Web连接起来,通过将处理功能集中在WAP网关中,WAP结构大大减少了手机上的操作负载。例如:一个WAP网关一般可以使用所有的DNS服务来解析URL中使用的域名,因此不需要手机来完成这个计算任务。同时,还可以利用WAP网关来为用户提供各种服务,并且可以帮助网络服务商防止诈骗和服务利用。     

基于Web的数据挖掘研究综述

基于Web数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。文章介绍了Web数据挖掘最流行的分类；Web内容挖掘，Web结构挖掘和Web使用记录挖掘，根据Web数据挖掘的最近研究状况，总结了几个研究热点，并介绍了一个Web使用记录挖掘的框架WebSIFT.     

基于关联挖掘和语义聚类的Deep Web复杂匹配方法*

为了提高Deep Web查询接口匹配的效率和准确率,在现有双重相关性挖掘方法（DCM）的基础上提出了一种用关联挖掘和语义聚类来匹配的方法。在关联挖掘成组属性时,引入一种基于互信息的属性相关度标准,并采用矩阵来实现以解决效率不高问题;在生成同义属性时,提出利用语义网来计算语义相似度,并对属性进行聚类,以生成同义属性。通过在四个领域200多个查询接口上实验,说明改进的方法在效率和准确率方面都比DCM方法有很大提高。     

Semantic Web Mining: State of the art and future directions

Semantic Web Mining aims at combining the two fast-developing research areas Semantic Web and Web Mining. This survey analyzes the convergence of trends from both areas: More and more researchers are working on improving the results of Web Mining by exploiting semantic structures in the Web, and they make use of Web Mining techniques for building the Semantic Web. Last but not least, these techniques can be used for mining the Semantic Web itself.The Semantic Web is the second-generation WWW, enriched by machine-processable information which supports the user in his tasks. Given the enormous size even of today’s Web, it is impossible to manually enrich all of these resources. Therefore, automated schemes for learning the relevant information are increasingly being used. Web Mining aims at discovering insights about the meaning of Web resources and their usage. Given the primarily syntactical nature of the data being mined, the discovery of meaning is impossible based on these data only. Therefore, formalizations of the semantics of Web sites and navigation behavior are becoming more and more common. Furthermore, mining the Semantic Web itself is another upcoming application. We argue that the two areas Web Mining and Semantic Web need each other to fulfill their goals, but that the full potential of this convergence is not yet realized. This paper gives an overview of where the two areas meet today, and sketches ways of how a closer integration could be profitable.     

语义网站点的发现与排序

随着语义网中RDF数据的大量涌现,语义搜索引擎为用户搜索RDF数据带来了便利.但是,如何自动地发现包含语义网信息资源的站点,并高效地在语义网站点中收集语义网信息资源,一直是语义搜索引擎所面临的问题.首先介绍了语义网站点的链接模型.该模型刻画了语义网站点、语义网信息资源、RDF模型和语义网实体之间的关系.基于该模型讨论了语义网实体的归属问题,并进一步定义了语义网站点的发现规则;另外,从站点链接模型出发,定义了语义网站点依赖图,并给出了对语义网站点进行排序的算法.将相关算法在一个真实的语义搜索引擎中进行了初步测试.实验结果表明,所提出的方法可以有效地发现语义网站点并对站点进行排序.     

Semantic Web computing in industry

The Semantic Web has attracted significant attention during the last decade. On the one hand, many research groups have changed their focus towards Semantic Web research and research funding agencies particularly in Europe have explicitly mentioned Semantic Web in their calls for proposals. On the other hand, industry has also begun to watch developments with interest and a number of large companies have started to experiment with Semantic Web technologies to ascertain if these new technologies can be leveraged to add more value for their customers or internally within the company, while there are already several offers of vendors of Semantic Web solutions on the market. The essence of the Semantic Web is to structure Web-based information to make it more interoperable, machine-readable and thereafter to provide a means to relate various information concepts more easily and in a reusable way. The Semantic Web acts as an additional layer on the top of the Web, and is built around explicit representations of information concepts and their relationships such as ontologies and taxonomies. Furthermore, Semantic Web technologies are not only valuable on an open environment like the Web, but also in closed systems such as in industrial settings. Hence, these technologies can be efficiently deployed for domains including Web Services, Enterprise Application Integration, Knowledge Management and E-Commerce, fulfilling existing gaps in current applications. This paper focuses on this synthesis between Semantic Web technologies and systems problems within industrial applications. There will be a short review of Semantic Web standards, languages and technologies followed by a more detailed review of applications of Semantic Web computing in industry. The paper covers theoretical considerations as well as use cases and experience reports on the topic, and we also present some current challenges and opportunities in the domain.     

基于语义的服务发现技术研究综述

语义Web服务是Web服务的语义扩展，它能够有效地提高服务发现的效率，并使得实现服务发现自动化成为可能。基于语义的服务发现是语义Web服务技术的核心，其关键技术包括标识语义的Web服务描述语言、基于语义的服务发现体系结构和基于语义的服务匹配算法。本文分别从这三个方面对目前基于语义的服务发现技术进行了详细的分析比较。文章最后对基于语义的Web服务发现技术进行了总结与展望。     

语义Web服务发现技术

传统的Web服务发现技术大多采用基于关键字的服务匹配机制,缺乏对Web服务功能的语义性描述,影响了Web服务的查全率、查准率和查找的智能化.研究基于语义的Web服务匹配方法,在经典Web服务匹配算法的基础上进行改进,研究单概念语义Web服务匹配算法,并由此得出多概念语义Web服务匹配的最优顺序,结合输入、输出参数,最终得出语义Web服务匹配结果,实验结果表明,改进后的方法比BGM算法匹配度高.     

语义网、语义网格和语义网络

语义网、语义网格和语义网络是三个容易混淆的概念,语义网是对WWW的延伸,其目标是使得Web上的信息具有计算机可以理解的语义,并为人们提供各种智能服务;语义网格是语义Web和网格相结合产生的新的研究领域;语义网络是知识的一种图解表示,它由节点和弧线或链线组成.通过对三者的概念、特征、应用等方面进行介绍从而说明了三者的联系以及不同,并说明了今后对三者的研究方向和重点问题.     

基于QoS约束的语义Web服务匹配机制研究

在语义Web服务中,OWL-S虽然包括一些如质量保证等的有关服务质量参数的描述,但仍缺少一个较为完善的Web服务QoS模型描述,此外,语义Web服务质量的研究主要考虑服务质量的静态因素,而服务的QoS信息动态变化的情况较多,本文实现了对服务质量QoS的语义描述扩展,并在对语义Web服务QoS描述模型研究的基础上,充分考虑服务的QoS信息,提出了基于QoS约束的语义Web服务匹配算法。