基于XML的Web文本挖掘方法与模型研究

摘要

Internet的快速发展和大量非结构化数据的出现，给传统的数据挖掘工具带来了极大的挑战。XML（可扩展标记语言）技术一方面继承了HTML的灵活性和简单性，另一方面又具有强制结构的完整性和标签的自定义性．已经成为Web挖掘的一个重要方向。本文在介绍XML语言基本特点的基础上，针对Web上大量异构数据的特点．探讨了基于多又树的HTML到XML的转换方法，实现Web上文本的规范化，并将其用于提出的基于XML的Web文本挖掘模型，提高Web文本挖掘的有效性。