XML與面向Web的數(shù)據(jù)挖掘技術(shù)

面向Web的數(shù)據(jù)挖掘
    　Web上有海量的數(shù)據(jù)信息，怎樣對這些數(shù)據(jù)進行復(fù)雜的應(yīng)用成了現(xiàn)今數(shù)據(jù)庫技術(shù)的研究熱點。數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律性的內(nèi)容，解決數(shù)據(jù)的應(yīng)用質(zhì)量問題。充分利用有用的數(shù)據(jù)，廢棄虛偽無用的數(shù)據(jù)，是數(shù)據(jù)挖掘技術(shù)的最重要的應(yīng)用。相對于Web的數(shù)據(jù)而言，傳統(tǒng)的數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)性很強，即其中的數(shù)據(jù)為完全結(jié)構(gòu)化的數(shù)據(jù)，而Web上的數(shù)據(jù)最大特點就是半結(jié)構(gòu)化。所謂半結(jié)構(gòu)化是相對于完全結(jié)構(gòu)化的傳統(tǒng)數(shù)據(jù)庫的數(shù)據(jù)而言。顯然，面向Web的數(shù)據(jù)挖掘比面向單個數(shù)據(jù)倉庫的數(shù)據(jù)挖掘要復(fù)雜得多。
   
    1.異構(gòu)數(shù)據(jù)庫環(huán)境   
    　從數(shù)據(jù)庫研究的角度出發(fā)，Web網(wǎng)站上的信息也可以看作一個數(shù)據(jù)庫，一個更大、更復(fù)雜的數(shù)據(jù)庫。Web上的每一個站點就是一個數(shù)據(jù)源，每個數(shù)據(jù)源都是異構(gòu)的，因而每一站點之間的信息和組織都不一樣，這就構(gòu)成了一個巨大的異構(gòu)數(shù)據(jù)庫環(huán)境。如果想要利用這些數(shù)據(jù)進行數(shù)據(jù)挖掘，首先，必須要研究站點之間異構(gòu)數(shù)據(jù)的集成問題，只有將這些站點的數(shù)據(jù)都集成起來，提供給用戶一個統(tǒng)一的視圖，才有可能從巨大的數(shù)據(jù)資源中獲取所需的東西。其次，還要解決Web上的數(shù)據(jù)查詢問題，因為如果所需的數(shù)據(jù)不能很有效地得到，對這些數(shù)據(jù)進行分析、集成、處理就無從談起。
   
    2.半結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)   
    　Web上的數(shù)據(jù)與傳統(tǒng)的數(shù)據(jù)庫中的數(shù)據(jù)不同，傳統(tǒng)的數(shù)據(jù)庫都有一定的數(shù)據(jù)模型，可以根據(jù)模型來具體描述特定的數(shù)據(jù)。而Web上的數(shù)據(jù)非常復(fù)雜，沒有特定的模型描述，每一站點的數(shù)據(jù)都各自獨立設(shè)計，并且數(shù)據(jù)本身具有自述性和動態(tài)可變性。因而，Web上的數(shù)據(jù)具有一定的結(jié)構(gòu)性，但因自述層次的存在，從而是一種非完全結(jié)構(gòu)化的數(shù)據(jù)，這也被稱之為半結(jié)構(gòu)化數(shù)據(jù)。半結(jié)構(gòu)化是Web上數(shù)據(jù)的最大特點。
   
    3.解決半結(jié)構(gòu)化的數(shù)據(jù)源問題   
    　Web數(shù)據(jù)挖掘技術(shù)首要解決半結(jié)構(gòu)化數(shù)據(jù)源模型和半結(jié)構(gòu)化數(shù)據(jù)模型的查詢與集成問題。解決Web上的異構(gòu)數(shù)據(jù)的集成與查詢問題，就必須要有一個模型來清晰地描述Web上的數(shù)據(jù)。針對Web上的數(shù)據(jù)半結(jié)構(gòu)化的特點，尋找一個半結(jié)構(gòu)化的數(shù)據(jù)模型是解決問題的關(guān)鍵所在。除了要定義一個半結(jié)構(gòu)化數(shù)據(jù)模型外，還需要一種半結(jié)構(gòu)化模型抽取技術(shù)，即自動地從現(xiàn)有數(shù)據(jù)中抽取半結(jié)構(gòu)化模型的技術(shù)。面向Web的數(shù)據(jù)挖掘必須以半結(jié)構(gòu)化模型和半結(jié)構(gòu)化數(shù)據(jù)模型抽取技術(shù)為前提。
   
    XML與Web數(shù)據(jù)挖掘技術(shù)
    　以XML為基礎(chǔ)的新一代WWW環(huán)境是直接面對Web數(shù)據(jù)的，不僅可以很好地兼容原有的Web應(yīng)用，而且可以更好地實現(xiàn)Web中的信息共享與交換。XML可看作一種半結(jié)構(gòu)化的數(shù)據(jù)模型，可以很容易地將XML的文檔描述與關(guān)系數(shù)據(jù)庫中的屬性一對應(yīng)起來，實施精確地查詢與模型抽取。
   
    1.XML的產(chǎn)生與發(fā)展   
   　 XML(eXtensibleMarkupLanguage)是由萬維網(wǎng)協(xié)會(W3C)設(shè)計，特別為Web應(yīng)用服務(wù)的SGML（StandardGeneralMarkupLanguage）的一個重要分支�？偟膩碚f，XML是一種中介標(biāo)示語言（Meta-markupLanguage），可提供描述結(jié)構(gòu)化資料的格式，詳細(xì)來說，XML是一種類似于HTML，被設(shè)計用來描述數(shù)據(jù)的語言。XML提供了一種獨立的運行程序的方法來共享數(shù)據(jù)，它是用來自動描述信息的一種新的標(biāo)準(zhǔn)語言，它能使計算機通信把Internet的功能由信息傳遞擴大到人類其他多種多樣的活動中去。XML由若干規(guī)則組成，這些規(guī)則可用于創(chuàng)建標(biāo)記語言，并能用一種被稱作分析程序的簡明程序處理所有新創(chuàng)建的標(biāo)記語言，正如HTML為第一個計算機用戶閱讀Internet文檔提供一種顯示方式一樣，XML也創(chuàng)建了一種任何人都能讀出和寫入的世界語。XML解決了HTML不能解決的兩個Web問題，即Internet發(fā)展速度快而接入速度慢的問題，以及可利用的信息多，但難以找到自己需要的那部分信息的問題。XML能增加結(jié)構(gòu)和語義信息，可使計算機和服務(wù)器即時處理多種形式的信息。因此，運用XML的擴展功能不僅能從Web服務(wù)器下載大量的信息，還能大大減少網(wǎng)絡(luò)業(yè)務(wù)量。
   
    　XML中的標(biāo)志(TAG)是沒有預(yù)先定義的，使用者必須要自定義需要的標(biāo)志，XML是能夠進行自解釋(SelfDescribing)的語言。XML使用DTD(DocumentTypeDefinition文檔類型定義)來顯示這些數(shù)據(jù)，XSL(eXtensibleStyleSheetLanguage)是一種來描述這些文檔如何顯示的機制，它是XML的樣式表描述語言。XSL的歷史比HTML用的CSS(層疊式樣式表CascadingStyleSheets)還要悠久，XSL包括兩部分：一個用來轉(zhuǎn)換XML文檔的方法；一個用來格式化XML文檔的方法。XLL（eXtensibleLinkLanguage）是XML連接語言，它提供XML中的連接，與HTML中的類似，但功能更強大。使用XLL，可以多方向連接，且連接可以存在于對象層級，而不僅僅是頁面層級。由于XML能夠標(biāo)記更多的信息，所以它就能使用戶很輕松地找到他們需要的信息。利用XML，Web設(shè)計人員不僅能創(chuàng)建文字和圖形，而且還能構(gòu)建文檔類型定義的多層次、相互依存的系統(tǒng)、數(shù)據(jù)樹、元數(shù)據(jù)、超鏈接結(jié)構(gòu)和樣式表。

希望與其他軟考考生進行交流？點擊進入軟考論壇>>>

進入考試吧博客記錄下自己的備考?xì)v程吧

更多信息請訪問：考試吧軟件水平考試欄目