基于Web数据挖掘中XML的应用研究

由于Html语言的数据结构性差,Web数据挖掘工作很难满足搜索的需要。然而XML语言的出现极大的改观了这一现状,由于它具有良好的结构性、层次性,所以利用它组织网络页面信息,更有利于进行数据挖掘工作。该文讨论了基于XML语言的Web数据挖掘技术,解决了Web信息的组织结构性差而导致的Web数据挖掘困难的问题。     

Web数据挖掘技术在电子商务中的应用

本文介绍了Web数据挖掘技术的概念,分析了Web数据挖掘的类型,给出了电子商务中进行Web数据挖掘的方法,最后提出了Web数据挖掘技术在电子商务中的几点应用。     

Web数据挖掘技术模型分析

研究和分析Web数据挖掘技术模型具有重要的作用和意义,本文主要分析Web数据挖掘技术以及该技术模型目前发展所面临的严峻形势,阐述了Web数据挖掘技术基本类型、技术特点以及技术的重要性.针对Web数据挖掘技术在电子商务方面的应用进行研究,取得很好地应用效果.XML技术在Web数据挖掘技术模型中的应用,为非技术人员研究工作提供了新的方向和思路.     

WEB数据挖掘与XML

面向WEB的数据控制是目前数据挖掘技术的一大热点。由于WEB数据存在方式的特殊性,使WEB数据控制变得十分复杂。XML的出现为WEB数据挖掘技术带来了巨大的发展契机。本文讨论使用标准WEB技术———HTML、XML———开发的一种基于WEB的数据挖掘方法。     

基于Web的数据挖掘

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,着重讨论了XML技术与Web挖掘的关系以及Web挖掘中需进一步研究的课题,并介绍了3种比较成熟的Web挖掘产品。     

XML数据存储方法的研究与实现

介绍了XML的起源和巨大的应用前景 ;探讨了XML数据各种存储方法的优缺点 ;研究了XML数据在O racle数据库中以BLOB字段进行存储的一种方法 ,并给出了其C #语言的一个实现。     

基于XML实现数据可视化交互式呈现

分析了在Web应用中使用静态图形呈现数据的不足，提出了结合XForms和SVG技术的解决办法，分析了方法的性能，并对方法的应用前景进行了展望。     

Web使用模式挖掘探讨

随着WWW上信息资源的爆炸性增长 ,Web挖掘已经成为计算机科学的一个重要研究领域。使用模式挖掘是Web挖掘的一个分支 ,它利用Web服务器的日志中的大量数据及其他相关数据集进行分析挖掘 ,并从中获得有价值的有关网站访问使用情况的模式知识。笔者按照Web使用挖掘的过程 ,介绍了Web使用挖掘各阶段的主要工作以及相关技术 ,并给出了Web使用挖掘的发展方向     

XML在Web数据抽取中的应用研究

随着网络技术的发展,网上的信息资源越来越丰富,充分利用这些资源成为当前数据挖掘领域的研究热点.文章分析了基于XML的Web数据抽取模型,详细论述了如何利用XML技术从Web页面中抽取数据.     

基于Web挖掘的数字图书馆个性化技术探究

通过对Web挖掘技术的分析和研究,介绍了Web挖掘在数字图书馆中的应用,提出基于Web内容挖掘、Web结构挖掘、Web使用挖掘的数字图书馆个性化服务体系.     

网络数据挖掘在电子商务网站设计的应用

本文首先介绍了在电子商务网站设计中实施数据挖掘的必要性,接着介绍了数据挖掘的概念、基本流程与主要算法,然后阐述了网络数据挖掘及相关挖掘工具.最后给出了电子商务网站中网络数据挖掘过程的逻辑模型,并着重介绍了网络数据挖掘在电子商务网站中的具体应用。     

基于XML的开放式Browser/Repository的WEB架构

鉴于目前浏览器不能同时支持多种标注语言的缺陷 ,提出了一种基于XML的开放式Browser和Repository的四层Web体系 ,并做了较系统的论述     

基于XML实现数据可视化交互式呈现

分析了在Web应用中使用静态图形呈现数据的不足,提出了结合XForms和SVG技术的解决办法,分析了方法的性能,并对方法的应用前景进行了展望.     

基于数据仓库的数据挖掘技术

从数据挖掘的产生出发到发展的各个分支 ,讨论了各种数据挖掘方法的特点和应用对象 ,介绍典型的算法 ,它们的优化改进和变形 ,并分析数据挖掘的将来面临的问题及发展方向     

客户知识管理的数据挖掘方法研究

作为企业信息化的最新发展,客户知识管理实现了由以产品为中心向以客户为中心的转变,客户知识成为企业的重要战略资源,客户知识管理已成为企业提升企业竞争力的有效措施。通过探讨数据挖掘方法在客户知识管理中的应用问题,利用数据挖掘方法以实现客户知识的获取。首先结合数据挖掘技术及客户知识管理相关理论知识,阐明了数据挖掘方法在客户知识管理中的应用流程及应用领域,在此基础上运用聚类分析方法,建立了基于数据挖掘技术的数据仓库模型。最后,通过挖掘聚类分析的实践,明确了在客户知识管理中实施数据挖掘的步骤,认识和总结出实践中出现的问题,验证了数据挖掘方法在客户知识管理中运用的可行性。     

一种海量数据的分析技术 ——符号数据分析及应用

传统的统计分析方法在处理海量数据方面存在很大的局限性。为了解决这一问题,符号数据分析(symbolic data analysis, SDA)方法被提出并得到了迅速的发展。SDA方法对传统的数据概念做了本质性的扩张,运用‘数据打包’的理念,对海量的原始数据在不破坏其原有内在逻辑关系的前提下,可以进行变量和样本点空间的双重降维,并将传统的统计分析技术扩展到符号数据分析体系中。符号数据的方法体系是知识发现和数据管理领域的最新研究方向之一,目前在国内鲜有相关的研究资料。文章详细阐述了符号数据因素分析技术的原理和概念,并以中国股票市场为案例研究背景,结果表明,SDA因素分析技术对综合简化大规模多维数据系统是十分有效的。