《Web Data mining》复习与总结 一、 课程主要内容 数据挖掘概述 + WEB 数据挖掘 数据挖掘（ch1 概述）：又被称为数据库中的知识发现（ＫＤＤ）。是指从数据源（如DB、文本、图片、万维网等）探寻有用的模式或知识的过程。这些模式必须是有用的、有潜在价值的、并且是可以被理解的。数据挖掘是一门多学科交叉的学科，包括机器学习、统计、数据库、人工智能、信息检索和可视化。 WEB 数据挖掘（ch6-12）的目标是从 w eb 超链接、网页内容和使用日志中探寻有用的信息。依据挖掘过程中使用的数据类别，w eb 挖掘的任务划分为三种主要的类型：w eb 结构挖掘、w eb 内容挖掘和 w eb 使用挖掘。 w eb 结构挖掘：从表征 w eb 结构的超链接中寻找知识。Ch6-ch8：信息检索与 w eb 搜索；链接分析；w eb 爬取。 w eb 内容挖掘：从网页内容中抽取有用的信息和知识。Ch9-ch11：结构化数据抽取：包装器生成；信息集成；观点挖掘。 w eb 使用挖掘：从记录每位用户点击情况的使用日志中挖掘用户的访问模式。Ch12：w eb 使用挖掘 二、 各章主要知识点 （一） （ch1）概述——主要知识点 1、 万维网、超文本、超链接、超媒体的概念； 2、 HTTP，HTML，URL， WEB，TCP/IP 的含义； 3、 Web 数据的特点：P5－6； 4、 数据挖掘的定义、数据挖掘任务、KDD 过程、KDD 的数据类型等； 5、 Web 数据挖掘的定义、分类、w eb 数据挖掘过程等。 6、 关联规则、列模式挖掘、分类与预测、聚类挖掘的基本概念及挖掘思想。 WEB 结构挖掘：包括——信息检索与 WEB 搜索、链接分析、WEB 爬取 （二） （ch6）信息检索与 w eb 搜索 1、 基本概念： （1）信息检索 IR：即帮助使用者从大号的数据集信息中发现需要的资料。了信息的采集、组织、存储、检索及分发。根据用户的查询信息得到相应的一组文档，得到的结果根据其与用户查询信息的相关程序排序，最常用的用户查询信息是一组关键字（又称词）。其基本信息是单个文档，大量的文档形成文本数据库。 （2）w eb 搜索：是信息检索的一个重要分支。区别于信息检索的特点是：效率是WEB 搜索的一个最为重要的问题；网页与传统信息检索系统中使用的普通文档不同：（1）具有超链接以及锚文本、（2）网页是半结构化的、（3）网页中的内容基本上是有组织的，并且在一些结构块中出现；作弊技术是网络上的一个重要的问题。 （3）IR 基本架构：用户查询（...
