1、因特網是一個基于TCP/IP協議連接各國、各機構成千上萬計算機網絡的通信網，集各種信息資源于一體，海量的信息源令傳統載體望塵莫及。由于政府、機構、企業(yè)和個人都可以在網上發(fā)布信息，因此它成為無所不有的龐雜信息源。目前，在因特網上僅數據庫就有上百萬種，其他信息更是難以計數，這些資源在數量和增長速度上是其他任何環(huán)境下的信息資源所無法比擬的。隨著計算機技術的發(fā)展和因特網的普及，Web數據變得越來越重要。在公開信息搜集領域，因特網正成為一個新的公

2、開信息搜集對象，但由于因特網數據及應用的特殊性，使得傳統的公開信息搜集方法不能直接應用于這個新對象，而以數據挖掘為基礎發(fā)展起來的Web挖掘是解決此矛盾的一種新方法，將其引入到公開信息的搜集中正是本文研究的目的和意義所在。
　　論文分析和總結了因特網信息的特點及當前常用的公開信息搜集方法，在此基礎上，通過對Web內容挖掘、使用挖掘、結構挖掘方法及其在公開信息搜集中的應用研究，充分證明了Web挖掘方法可以有效地提高公開信息搜集的質量和

3、效率。首先，在Web內容挖掘中，針對Web文本的特征，對其挖掘流程進行了詳細的闡述，研究了文本挖掘過程中的特征提取算法，重點分析了傳統TFIDF算法，指出了傳統TFIDF算法沒有考慮詞條在文本內分布情況的不足，并在此基礎上提出了加權TFIDF改進算法，通過實驗驗證了改進后的算法可以有效地提高文本的查準率和查全率；在Web使用挖掘中，論文研究了Web使用挖掘的預處理過程，以實驗驗證了其有效性，并在經過預處理的日志數據之上通過實驗使用類Ap