基于Web的数据挖掘技术分析-精品文档.docx

《基于Web的数据挖掘技术分析-精品文档.docx》由会员分享，可在线阅读，更多相关《基于Web的数据挖掘技术分析-精品文档.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于Web的数据挖掘技术分析1基于Web的数据挖掘技术的应用背景如今,为了适应网络社会的要求,涉及商务、政务、学习等各个方面的各式各样的网站也像雨后春笋一样纷纷涌现。网上的数据资源空前丰富,网络,以其独有的魅力吸引着越来越多的领域。丰富的信息量是网络的一个显著特点,给用户带来眼界的开阔的同时,网络上广泛分布的信息资源又给用户增加了困难:在浩如烟海的网络世界,网络用户想寻找本人的感兴趣的信息,假如盲目地去找,无异于大海捞针。对于本人所需的信息资源,用户不知道怎样做到更有效地发现。关于网站可用性问题,据发达国家所开展的调查结果不难发现,企业网站中超过90%的都存在着比拟差的可用性,其中70的企业不

2、满意于本企业的网站。而专门针对用户的调查显示:用户在商业网站上找到本人所需要的信息的几率竟然只要42。这个数据显示用户在找本人所需的信息时不够方便、快速,这种不便所造成的潜在的损失销售额比例高达50。此外,固然事先钟情于某件商品,但最终因网站比拟差的可用性而放弃寻找欲购商品的几率也高达62。为什么网站可用性如此之差呢？究其原因,还是由于网站设计者缺少对用户需求的了解,企业在设计网站时,其构造组织不完全符合用户的任务以及他们所看到的信息空间的方式。为了改变这种现状,更好地发挥网站的作用,以更好的知足访问者的需求。网络用户的访问兴趣、访问频度以及访问时间是网站经营者最应该关注到的内容,结合这些方面

3、,能够对网站的页面构造进行动态的调整以及对其积极地改良服务,进而开展有针对性的电子商务。而通过挖掘web数据资源,我们就能够从中提取到我们所需的知识,上文提到的网络用户的访问行为、频度以及内容等信息,都能够通过群体用户访问行为以及方式得到,进而改良web服务的设计。2关于数据挖掘技术及基于Web的数据挖掘技术数据挖掘产生于上个世纪六十年代,当时的数据挖掘技术已经实现很多功能,如应用数据库和信息技术,就不限于只是处理原始文件,而是能够系统地演化到复杂的、功能强大的数据库系统的功能。随后几年,数据处理技术仍在不断发展中,尤其是近几年来,不少数据库能够提供查询和事务处理,这么大量的数据库系统的付诸实

4、践,下一个目的开场显现,即数据分析和理解。为了提高信息的利用率,把这些数据转化成有用的信息和知识,就能够通过数据挖掘,获取到有用的信息,这将非常有利于企业的决策和业务。正是为了适应这种要求,数据挖掘技术诞生了,如今,并且越来越显示出强大的生命力。3数据挖掘的基本含义数据挖掘有一些同义词,这些同义词与其意义相近,如数据融合、数据分析以及决策支持等。数据挖掘技术的定义包含如下几层含义:(1)真实的、大量的数据源,还必须是含噪声的;(2)发现用户感兴趣的知识是数据挖掘技术的目的。在进行数据挖掘中,会发现一些知识可接受、可理解、可运用,但却不要求这些知识放之四海而皆准。假如做广义的理解,数据、信息,这

5、些也是知识的表现形式。当然,在通常情况下,概念、规则、形式以及规律和约束更容易被人们视作知识。数据,则被人们看作是构成知识的源泉。4数据挖掘的基本经过数据挖掘,讲到底其实就是从大量数据中不断抽取出将有价值的信息或知识,这是一个循环往复的经过。每一种数据挖掘技术方法有它本身的特点以及实现步骤,各种不同形式的算法应用适用领域的含义以及能力都存在差异。因而,应用数据挖掘所要到达的目的、算法选择、问题领域专家支持程度以及数据收集完好程度等,成功应用数据挖掘技术以到达目的的经过本身就是一件非常复杂的事情。一般来讲,数据挖掘的基本经过包括五项任务,这五项任务即:理解问题、理解、收集和准备数据、建立数据挖掘

6、模型、评价并应用所建模型等。5数据挖掘的基本形式和功能对于用户来讲,他们并不知道什么类型的形式才是有趣的,为了适应不同的用户需求或不同的应用,数据挖掘系统本身要能够挖掘出多种类型的形式。根据数据挖掘的不同功能,数据挖掘能够分为预测型和描绘型两种基本形式。数据挖掘的功能分类包括几项内容,分别如下:(1)概念描绘。通太多种方法对数据间互相关联的类或者概念加以描绘就是概念描绘。方法包括数据区分、数据特征化、概念特征化以及比拟等。通过这些方法对数据进行汇总的、简洁的、准确的分类等。概念描绘自然应该属于描绘型数据挖掘类型。(2)关联分析。通过关联分析知足一定条件的依靠性关系能够被挖掘出,这也就是关联规则。关联规则形如A卜A,支持度,置信度c,这里的S和c分别指用户指定的支持度以及置信度的闽值。关联规则能够分为单层和多层、单维和多维。(3)分类和预测。为了使用模型预测未知类型的数据,分析训练数据集(即己知的数据对象),找出并区分数据类的描绘。对数据对象的类标记作出预测是进行适宜的分类后能够实现的,即使某些空的或者不知道的数据值,可以以被预测出来。(4)聚类分析。所谓聚类分析,顾名思义,即根据最小化类间的类似性以及最大化类内的类似性对对象进行分组。分组后,一个簇中的对象能够与其它簇中的对象很不类似,它们本身具有很高的类似性。和分类相比,聚类的特点直接对数据进行处理,而分类是基于训练数据的。