導語：多層次技術的XML數(shù)據(jù)挖掘研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：隨著互聯(lián)網(wǎng)的廣泛使用，Web的數(shù)據(jù)挖掘技術成為現(xiàn)階段數(shù)據(jù)挖掘技術研究的重點，但由于其數(shù)據(jù)挖掘控制的復雜，對人們的數(shù)據(jù)挖掘和使用帶來了困難。而XML數(shù)據(jù)挖掘的出現(xiàn)彌補了Web數(shù)據(jù)挖掘的缺陷，為其帶來了方便。

關鍵詞：多層次技術；XML數(shù)據(jù)挖掘；Web數(shù)據(jù)挖掘；研究

0引言

數(shù)據(jù)挖掘就是從大量的信息數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)律性內容，進而對數(shù)據(jù)應用的質量問題進行解決，實現(xiàn)對數(shù)據(jù)的充分利用。在互聯(lián)網(wǎng)發(fā)展支持下的數(shù)據(jù)挖掘技術得到了快速的發(fā)展，特別是以結構化數(shù)據(jù)為主的數(shù)據(jù)挖掘技術。數(shù)據(jù)挖掘技術被廣泛地應用到各個領域，并獲得了好的效果。但這種結構化的數(shù)據(jù)挖掘技術無法對Web數(shù)據(jù)挖掘的特性進行處理，Web上的HTML文檔格式也不規(guī)范，導致沒有充分挖掘和利用有價值的知識。由此，如何優(yōu)化傳統(tǒng)數(shù)據(jù)挖掘技術，實現(xiàn)其和Web的結合成為數(shù)據(jù)挖掘技術研究領域關注的熱點。而XML的出現(xiàn)，彌補了Web的不足，成為現(xiàn)階段互聯(lián)網(wǎng)數(shù)據(jù)組織和交換的標準，并逐漸出現(xiàn)在Web上。文章對基于多層次技術的xml數(shù)據(jù)挖掘進行研究。

1Web數(shù)據(jù)挖掘的難點

第一，異構數(shù)據(jù)庫的環(huán)境。因特網(wǎng)上的信息可以說就是一種數(shù)據(jù)路，具有大量的數(shù)據(jù)資源，每個站點的數(shù)據(jù)源都是異構的，因此，每個站點之間的信息和組織結構不一樣，形成了一種異構數(shù)據(jù)庫環(huán)境。想要獲得和利用這些數(shù)據(jù)資源需要進行數(shù)據(jù)挖掘，這種數(shù)據(jù)挖掘需要對站點的異構數(shù)據(jù)集成進行研究，同時還要對因特網(wǎng)上的數(shù)據(jù)查詢問題進行解決。第二，半結構化的數(shù)據(jù)結構。傳統(tǒng)的數(shù)據(jù)庫具有數(shù)據(jù)模型，能夠通過這種模型來對特定的數(shù)據(jù)進行描述。但因特網(wǎng)上的數(shù)據(jù)較為復雜，沒有統(tǒng)一的模型讓人進行描述，且自身具有獨立性、動態(tài)性的特點，存在自述層次，因而是一種半結構化數(shù)據(jù)。

2XML數(shù)據(jù)挖掘技術

2.1XML技術概述

XML是由萬維網(wǎng)協(xié)會設計的一種中介標示性語言，主要被應用在Web中。XML類似于HTML，主要被設計用來描述數(shù)據(jù)的語言，為數(shù)據(jù)挖掘提供了一種獨立的運行程序，能夠實現(xiàn)對數(shù)據(jù)的共享，并利用計算機通訊將信息傳遞到多個領域。

2.2XML和HTML的比較

HTML是Web的重要技術要素之一，簡單易學，被很多計算機專業(yè)人員應用于創(chuàng)建自己的、具有超文本特定的多媒體主頁，能夠實現(xiàn)網(wǎng)絡和普通人的聯(lián)系，創(chuàng)造出豐富的網(wǎng)頁。但其在因特網(wǎng)的應用存在以下幾點缺陷：第一，只是對信息的顯示方式進行描述，沒有對信息內容本身進行描述；第二，需要因特網(wǎng)服務器幫其處理任務工作，加重了網(wǎng)絡的負擔，降低了網(wǎng)絡運行的效率。根據(jù)上文對XML技術的概述，可以看出，XML不是一種單純的標記語言，而是一種定義語言，能夠根據(jù)需要設定不同的標記語言，突破了HTML固定標記的限制，能夠更好地推動Web的發(fā)展。

3基于XML數(shù)據(jù)挖掘框架設計

3.1設計的特點

第一，具有自然、性能良好、個性化設計的系統(tǒng)用戶界面；第二，主要應用元搜索引擎頁面。這種頁面設計的主要思想是首先對用戶的查詢請求進行預處理，之后向各個搜索引擎發(fā)送查詢的請求，最后，在經過處理之后向用戶反饋檢索結果。第三，Web頁面的設計充分應用了HITS的算法。第四，利用XML技術對檢索的數(shù)據(jù)進行預處理。主要表現(xiàn)為將數(shù)據(jù)庫中的所有文檔形式轉化為XML文檔形式，之后在數(shù)據(jù)倉庫的應用下實現(xiàn)各種文檔的集成。

3.2系統(tǒng)設計的結構

XML數(shù)據(jù)挖掘系統(tǒng)的結構主要包含用戶界面模塊、數(shù)據(jù)預處理模塊和數(shù)據(jù)挖掘模塊。第一，用戶界面模塊主要作為用戶和系統(tǒng)交接的端口存在，用戶通過這個界面來實現(xiàn)對數(shù)據(jù)挖掘系統(tǒng)的使用。在這個模塊中，用戶能夠在對數(shù)據(jù)挖掘之前設定挖掘的參數(shù)，之后提出請求、對挖掘成果分析，實現(xiàn)個性化的數(shù)據(jù)挖掘。第二，數(shù)據(jù)預處理模塊主要是指在對數(shù)據(jù)檢索之后，應用XML技術對檢索的數(shù)據(jù)進行預處理。第三，數(shù)據(jù)挖掘模塊主要是對數(shù)據(jù)預處理后的模塊信息進行挖掘，并將成果展示給用戶。

4基于XML技術的Web數(shù)據(jù)挖掘

4.1數(shù)據(jù)挖掘方案的選取

基于XML技術的Web數(shù)據(jù)挖掘主要分為內容上的挖掘和形式上的挖掘兩種，其中，內容挖掘主要是針對文檔標記的開始和結束之間的文本部分，即對標記值的一種挖掘。具體的內容挖掘方案主要有三種：第一，利用專門的XML數(shù)據(jù)、半結構數(shù)據(jù)開發(fā)查詢的語言，充分開發(fā)其查詢功能，并將這種語言滲透在應用程序中，從而實現(xiàn)對數(shù)據(jù)的有限挖掘。這種挖掘方案能夠將XML技術和數(shù)據(jù)挖掘技術進行有效的結合，且具有操作簡單的特點。第二，實現(xiàn)對XML文檔數(shù)據(jù)的結構化處理。在處理之后將其映射到現(xiàn)有的關系對象模型中，從而實現(xiàn)對數(shù)據(jù)的挖掘。第三，將XML文檔視為一種文本，采用傳統(tǒng)的數(shù)據(jù)挖局處理技術對數(shù)據(jù)進行挖掘。

4.2XML技術數(shù)據(jù)挖掘實現(xiàn)

XML技術的挖掘實現(xiàn)主要利用XQuery實現(xiàn)關聯(lián)挖掘來進行數(shù)據(jù)挖掘，且不需要對其文檔進行預處理和挖掘后處理，具有操作簡單的優(yōu)勢。主要采用兩種方式來執(zhí)行XQuery。第一，使用XhiveNodeIf對象的executeXQuery進行語句的執(zhí)行，使得集合的每個元素都是對應的對象，并將對象轉換成DOM的節(jié)點來進行數(shù)據(jù)的挖掘。第二，利用XhiveXQueryQueryIf對象調用execute進行語句的執(zhí)行。在這個過程中會涉及對外部參數(shù)的使用。

5結語

XML數(shù)據(jù)挖掘能夠有效解決因特網(wǎng)數(shù)據(jù)挖掘難的問題，實現(xiàn)數(shù)據(jù)挖掘的簡單化操作。XML數(shù)據(jù)挖掘將不同結構、不容易兼容的數(shù)據(jù)進行結合，并利用自身的靈活性和延展性將各種應用軟件中的數(shù)據(jù)進行不同描述，從而方便因特網(wǎng)中數(shù)據(jù)的收集和記錄。同時，基于XML數(shù)據(jù)是自我描述性的，不需要內部的描述處理就能實現(xiàn)數(shù)據(jù)的交換，為其對數(shù)據(jù)的處理和應用提供了便利的支持。因此，技術XML技術的數(shù)據(jù)挖掘成為當今因特網(wǎng)數(shù)據(jù)挖掘的研究重點，需要有關人員引起足夠的重視，進而不斷促進該技術對數(shù)據(jù)挖掘的應用。

作者:袁園 單位:重慶電訊職業(yè)學院

參考文獻：

[1]盧珊.基于XML技術的Web數(shù)據(jù)自動挖掘新方法[J].信息技術與信息化,2014,12:141-143

[2]王雅軒,頊聰.基于XML的Web數(shù)據(jù)挖掘模型的設計研究[J].電子技術與軟件工程,2015,03:213-214

[3]周曉梅,王潛平,蘇琳.基于XML的Web數(shù)據(jù)挖掘模型的設計[J].計算機工程與設計,2007,02:272-274+277

[4]唐明燈.基于數(shù)據(jù)庫技術的數(shù)據(jù)挖掘分析與研究[J].信息與電腦(理論版),2010,02:138-139