1、隨著WWW技術的逐漸成熟,基于這一技術的應用以驚人的速度向社會生活方方面面滲透,使得人們交互信息不可避免的電子化和海量化.這些大量的Web數(shù)據(jù)中隱藏著有用的、重要的知識,這些知識不僅給電子商務帶來了無限商機,同時也為數(shù)據(jù)挖掘技術帶來了一個新的發(fā)展方向-Web挖掘.Web挖掘是指利用數(shù)據(jù)挖掘技術從雜亂無章的網(wǎng)絡環(huán)境中挖掘出有用知識的過程.Web挖掘技術是網(wǎng)絡技術與數(shù)據(jù)挖掘技術的一個綜合,但是由于Web數(shù)據(jù)的特點,使得面向Web的數(shù)據(jù)挖掘比

2、面向數(shù)據(jù)庫的傳統(tǒng)數(shù)據(jù)挖掘要復雜的多."Internet上支持高質量E-Services的零輸入個性化技術的研究"項目是國家自然利學基金資助的研究課題,提出了在用戶正常瀏覽時,不增加額外輸入的前提下,實現(xiàn)面向用戶個性化要求的網(wǎng)上信息發(fā)現(xiàn)與推薦.該文主要針對其中的Web挖掘數(shù)據(jù)源重構方面展開研究.Web挖掘數(shù)據(jù)源重構通常被分為三個方面:Web使用挖掘數(shù)據(jù)源重構、Web內(nèi)容挖掘數(shù)據(jù)源重構和Web結構挖掘數(shù)據(jù)源重構.這三個方面相對獨立,又彼此聯(lián)

3、系,對整個Web數(shù)據(jù)挖掘起到了至關重要的作用.該文首先對Web挖掘數(shù)據(jù)源重構的三個方面討論了數(shù)據(jù)源重構的意義,說明了數(shù)據(jù)來源.在Web使用挖掘數(shù)據(jù)源重構部分,描述了整個重構過程中使用的數(shù)據(jù)結構和主要算法,完善了評價會話文件質量的標準;在Web內(nèi)容挖掘數(shù)據(jù)源重構部分,分析了分詞技術的研究現(xiàn)狀,利用現(xiàn)有的技術,完成了對Web文檔的重要內(nèi)容提取和分詞操作;在Web結構挖掘數(shù)據(jù)源重構部分,詳細介紹了整個數(shù)據(jù)源重構的過程,給出了所使用的數(shù)據(jù)結構和