汪华茂

（湖北经济学院 网络与教育技术中心，湖北 武汉430205）

1.引言

电子商务作为一种新兴的事物，随着Internet的迅速发展和应用的深入，电子商务的应用也相应的迅速崛起起来，这使得商家对基于Internet的Web数据检索、挖掘等的需求不断提高。

传统的Web站点，通常由HTML页面组成，使得这种Web文档的结构性有限，要想利用分析工具准确、高效地进行数据挖掘和分析还比较困难。XML的出现，则对Web数据挖掘带来了新的挈机。利用XML作为元标记语言的特性，用户只要在XML的文档类型定义中定义一系列有意义的标记，就可实现对Web上大部分非结构化文档的内容进行有效的总结、分类、组织，从而实现与关系型数据库中的属性建立对应关系，Web上的数据挖掘也就变得可行了。

2.基于XML的Web数据挖掘技术

2.1 Web数据挖掘技术概述

Web数据挖掘就是从Internet上庞大、复杂、异构的数据中发现隐含的规律性的东西或者是特定的精确的数据。Web挖掘则可以对大量的文档、数据重新进行整理、分析和组织，可以按照用户特定的要求给出结果，比单纯的信息检索更进一步，是未来技术发展的趋势。

WEB挖掘按照处理对象的不同可分为：内容挖掘、结构挖掘和使用记录挖掘。内容挖掘是从Web文档的内容中抽取信息特征，这些文档包括文本、HTML、图象、音频、视频等形式；结构挖掘是从Web文档的组织结构和链接关系中推导知识，这些结构不仅仅局限于文档之间的超连接，还包括文档内部的结构、文档URL中的目录路径结构等；……