本文關(guān)鍵詞：智能檢索中的網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)探索，由筆耕文化傳播整理發(fā)布。

智能檢索中的網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)探索

中國圖書館學報（雙月刊）２００２年第３期

Ｚ］｝刪ＧＧＩ，，Ｏ

ＴＵＳＨＵＧＵＡＮＸＵＥＢＡＯ

●晏創(chuàng)業(yè)張玉峰

智能檢索中的網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)探索“

摘妻缺少一種深＾信息內(nèi)容的網(wǎng)絡(luò)信息搜索工肄。是實現(xiàn)智能鹼索的主要圍難。采用阿絡(luò)數(shù)據(jù)挖掘技術(shù)是解奐問題的關(guān)鍵。從智能信息檢索的角度出發(fā)，豐�？紤]從網(wǎng)絡(luò)信息內(nèi)容的戈聯(lián)度來挖掘網(wǎng)絡(luò)數(shù)據(jù)。圖１．表１。參考義獻７。關(guān)鍵詞智能檢索

分類號Ｇ２５２７

剛絡(luò)信息檢索數(shù)據(jù)挖捌

ＡＩ＆Ｃ；ＴＲＡＣＴ

Ｔｈｅａｕｔｈｏｒｓｔｈｌｎｋｔｈａｔｔｈｅｍａｊｏｒｄｉｆｉｌｅ山ｖ

ｉｎ

ｒｅａｌｕｉｎｇ

ｉｎｔｄｌｉｇｃａａｔｓｅａｒｃｈｉｓｔｈｅｌａｃｋｄ

ｔｏ

ａ

ｎｅｔｗｏｒｋｉｎｆｏｒｍａｔｉｏｎｓｅａｒｃｈｔｏａｌｒｅａｃｈｉｎｇｉｎｆｏｒｍａｔｉｏｎｃｏｎｔｅｓａｔｓ，ａｎｄｔｈｅｋｅｙｎｅｔｗｏｒｋｄａｔａｍｉｎｉｎｇｔｅｃｈｎｉｑｕｅｓｔｈｅｍｉｎｉｎｇｏｆ

ｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｉｓｔｈｅ

ＣＯＨＩｅＨｔｓ

Ｔｈｅｙ如ｄｉｓｃｕｓｓ

ｆｌｇ

ｌｔａｂ

７ｒｅｆｓ

ｔｈｅｒｅｌｅｖａｎｃｃｏｆｎｅｔｗｏｒｋｉｎｆｏｒｍａｔｉｏｎｆｏｒ

ｎｅｔｗｏｒｋ

ｄａｔａｌ

ＫＥＹＷＯＲＤＳ

Ｉｎｔｅｌｌｉｇｅｎｔｓｅａｒｃｈ

Ｇ２５２７

Ｎｅｔｗｏｒｋｉｎｆｏｒｍａｔｉｏｎｓｅａｒｃｈ

Ｄａｔａ

ｍｉｎｉｎｇ

ＣＩ』ＡＳＳＮＵＭｌｉＥＲ

智能檢索能幫助人｛『Ｊ在開發(fā)網(wǎng)絡(luò)信息資源時馓到“取其精華．去其糟粕”。它能擺脫表層信息的下擾，從信息內(nèi)容的角度出發(fā)，搜索出高質(zhì)量的信息。目前，人們對信息檢

索過程中的智能化要求主要體現(xiàn)在基于內(nèi)容的檢索、個性化信息檢索和知識檢索。

目特同上的信息資源不同于一般意義上的數(shù)據(jù)庫．除

數(shù)據(jù)挖掘（ＤａｔａＭｉｎｉｎｇ）是從大量的、不完全的、有噪聲的、隨機的數(shù)據(jù)中，提取潛在有用的信息和知識的過程。數(shù)據(jù)挖掘源自人工智能的機器學習領(lǐng)域，是在一個已知狀態(tài)的數(shù)據(jù)集上。通過設(shè)定一定的學習算法．從數(shù)據(jù)集中獲取所需的知識。這些知識能夠用Ｊ‘倍皂管理、智能查詢、決策支持、過程控制叭及其他方面，

具有開放性、異構(gòu)性和分布性等特點外．還具有半結(jié)構(gòu)化、非結(jié)構(gòu)化的動態(tài)關(guān)聯(lián)特性。網(wǎng)絡(luò)信息的特點央定了我們不能像對待靜態(tài)結(jié)構(gòu)化的數(shù)據(jù)庫信息那樣來對待它。然而，當前的一些網(wǎng)絡(luò)信息搜索工具仍遵循了大型數(shù)據(jù)庫的信息

檢索思想．旦口對網(wǎng)貞的標題、ＵＲＬ等表征信息和沒有進行深

數(shù)據(jù)挖掘的最初對象是一些大型的商業(yè)數(shù)據(jù)庫．岜通過描述數(shù)據(jù)、計算統(tǒng)計變量（比如平均值、均方差等），并將

這些變量用圖表直觀地表示出來，進而找出數(shù)據(jù)變量之間

的相關(guān)性，即發(fā)現(xiàn)知識，以提供解決問題的依據(jù)。隨著數(shù)據(jù)

挖掘技術(shù)在商業(yè)數(shù)據(jù)庫中的成功直用，它衛(wèi)被迅速移植到

度分析的關(guān)鍵詞進行標引，然后建立網(wǎng)絡(luò)信息的倒排文檔，

將它們簡單地聚合在一起。這種以數(shù)據(jù)庫信息處理方式組

電信、醫(yī)療保險等領(lǐng)域，因特網(wǎng)的出現(xiàn)為它提供丁一個更為

廣闊的用武空間。借用數(shù)據(jù)挖掘的原理來實現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)的

織起來的信息源，在檢索中主要有３個弊端：一是同一關(guān)鍵詞檢索出來的信息“貌臺種離“；二是檢索結(jié)果中出現(xiàn)大量的冗余信息；三是因為信息用戶理解差異的存在，在使用某些檢索詞時根本就檢索不到任何信息。

基于內(nèi)容的檢索和個性化的信息檢索．都是建立在網(wǎng)絡(luò)信息內(nèi)容基礎(chǔ)之上的．真正的知識性，是兒對信息內(nèi)容的

深層挖掘中體現(xiàn)出來的。面對因特網(wǎng)上源源生成的信息．

探層挖掘．發(fā)現(xiàn)并組織網(wǎng)絡(luò)知識，是將網(wǎng)絡(luò)信息檢索技術(shù)推

向智能化高度的有救手段。

１

２網(wǎng)絡(luò)數(shù)據(jù)挖ｌ模型設(shè)計

網(wǎng)絡(luò)數(shù)據(jù)有小同于一般數(shù)據(jù)庫中數(shù)據(jù)的特點：異構(gòu)和

半結(jié)構(gòu)化。因特網(wǎng)上的每一個站點都是一個數(shù)據(jù)源．每一

個數(shù)據(jù)根都有自己的設(shè)計風格，即每個站點的信息和組織

都不一樣，用特網(wǎng)就是一個巨大的異構(gòu)數(shù)據(jù)庫．不刪于傳統(tǒng)的關(guān)系數(shù)據(jù)庫。因特同上的數(shù)據(jù)非常復雜，沒有統(tǒng)

的模

我１『】需要 種太批量、深人內(nèi)容的信息處理技術(shù)，使其按照內(nèi)容特性聚集．并體現(xiàn)一定的知識性。將最初面向數(shù)據(jù)庫的數(shù)據(jù)挖掘技術(shù)引入到崮特網(wǎng)中，是解決問題的關(guān)鍵。

型描述，這些數(shù)據(jù)雖有定的結(jié)構(gòu)性，但網(wǎng)自述層次的存在

和復雜的相互關(guān)聯(lián)，因而是一種非完全結(jié)構(gòu)化的數(shù)據(jù)。鑒

于網(wǎng)絡(luò)數(shù)據(jù)的這些特點，我們在將數(shù)據(jù)挖掘技術(shù)引＾因特

１面目目特目的數(shù)據(jù)挖掘

１

網(wǎng)的時候，必須要做定的預處理工作，在此基礎(chǔ)上的網(wǎng)

１數(shù)據(jù)挖撮的棚關(guān)韌識

絡(luò)數(shù)據(jù)挖掘模型如圖１所示。

＊

本文系國家杜科基金資助項目（編號：０ＩＢＴＱ０１１）的研究論文。

萬方數(shù)據(jù)　

４９

  本文關(guān)鍵詞：智能檢索中的網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)探索，由筆耕文化傳播整理發(fā)布。