基于多Agent的语义Web挖掘系统模型研究

随着语义Web技术的出现,传统的Web挖掘面临新的挑战.文章讨论了语义Web的体系结构、Web挖掘和Agent技术的有关概念,提出了基于多Agent的语义Web挖掘系统模型,并对其进行了分析.实验结果表明,该系统模型具有较高的准确性和效率.     

基于Web数据挖掘的综述

数据挖掘是一种新兴的信息处理技术，在信息的利用和提取中发挥着日益重要的作用。介绍了数据挖掘的基本原理、方法及作用。     

基于语义的Web挖掘信息智能获取研究

目前,基于语义的Web挖掘使语义Web和Web挖掘两个领域结合起来,并在一定程度上促进了各自的发展.本文介绍了语义Web的体系结构和Web挖掘以及智能Agent的相关概念,并提出了在多Agent框架下构建基于语义的Web挖掘信息智能获取系统模型,经过分析说明此模型在一定程度上提高了信息获取的智能化水平.     

Web挖掘技术

万维网的出现使计算机拥有海量的信息资源 ,而其中蕴含的知识却未能得到充分利用。为此 ,Web挖掘技术成为一项重要研究课题。文中对Web挖掘分类、与Web挖掘相关的各种技术以及Web挖掘应用加以阐述。最后提出了一个综合Web挖掘原型系统SWMS。     

一种基于Web挖掘的信息自动分类系统

探讨了Web挖掘的相关理论，包括Web文本信息的表示及特征提取，关联规则分析和信息分类，综合Web挖掘的关键技术，提出了一个基于Web挖掘技术的信息分类模型系统，使用户能够对已分类的资源进行浏览、检索，从而更方便、快捷地获取所需信息。     

Web挖掘在Web交易中的应用

基于Web的数据挖掘是一种结合了数据挖掘和互联网系统的热门研究课题.随着互联网的高速发展,Web挖掘由于其独特的优点,在Web交易中扮演了越来越重要的角色.运用Web挖掘对Web交易服务器的日志文件和客户交易信息进行挖掘,有助于企业了解客户的访问行为,挖掘潜在客户群和开展有针对性的服务.对Web挖掘技术进行综述,并介绍了该技术在Web交易中的几个应用.     

基于生物医学领域本体语义Web的构建探讨

语义Web能让计算机理解人类的信息需求,从而使搜索和检索更加准确和全面。探讨了如何以生物医学的主题词表为基础构建生物医学的领域本体,并利用半自动化辅以人工信息标注的方法来完成生物医学语义Web的构建。     

Web挖掘技术研究

Web挖掘就是从Web文档和Web活动中抽取感兴趣的潜在的有用模式和隐藏的信息。本文从Web内容挖掘、Web结构挖掘和使用记录挖掘3个方面论述了Web挖掘的内容及相关技术的研究现状和发展方向。     

语义Web中本体构建的方法

通过分析语义Web的层次结构,指出本体在其中的核心作用.提出了基于统一建模语言类图可视化地表达本体并基于Web本体语言构建本体的方法,给出转换过程中的一些启发式规则;从一致性和结构合理性等方面给出了本体的评价准则;采用该方法有效地构建了选课本体,为语义Web中基于本体的知识表示和规则推理提供了切实可行的方法.     

基于Agent的Web数据挖掘模型设计

本文针对传统Web数据挖掘方法的不足,提出了一种基于Agent的Web数据挖掘模型,该模型适用于Web信息挖掘的各种应用。在信息的个性化推荐,电子商务的个性化服务,网站结构的改进等方面有良好的应用前景。     

Incorporating Domain Knowledge into Data Mining Process： An Ontology Based Framework

0 IntroductionTeosda,yth meyan hya voerg daantiazbaatisoenss t hhaatv ec hmaonrgee t ahnadn glarrogwe cdoatnatibnaus--ously. One of the i mportant research issues is incrementalmining. Otherwise, various researchers have made sugges-tions that domain knowledge should be incorporated intoknowledge discovery ( KDD) process[1]. We focus on somesteps of the KDDprocess-those steps tying up with data min-ing,called a data mining (DM) process .Agrawalet al[2]showed an active data mining process ,…     

Construction of domain Web classification ontology based on suggested upper merged ontology

Aiming at the problem of merging heterogeneous semantic taxonomy emerged in Web information integration, a method of building Web classification ontology （WCO） has been proposed. A WCO that is logically consistent with the suggested upper merged ontology （SUMO） is defined, together with axioms needed to classify Web pages. WCO can be used as a foundation of merging heterogeneous semantic taxonomy, and could be used to support Web information integration and classification based Web information retrieval.     

基于本体增量学习的主题爬行

在面向领域的信息搜索中,本体作为相关的领域知识往往有助于改善搜索效果,在信息检索中被广泛应用.基于本体增量学习的主题爬行技术的研究工作主要包括:首先,利用本体对领域概念及关系的描述作为网页主题判定的依据;其次,在爬行过程中,将学习得到的新概念和关系加入到本体中,以丰富完善领域本体,进而提高主题爬虫的收获率;最后,经过大量的实验数据分析,在词条提取准确率、收获率和响应速度等多个指标方面,证明了所提出的方法是可行的并且是高效的.     

基于领域本体的个性化文本信息检索

为了解决传统检索技术无法为用户提供个性化服务和检索效率低的问题,提出了一种基于领域本体的个性化文本信息检索模型,阐述了该模型的结构和关键算法,并验证了算法的可行性。实验结果表明:基于领域本体的个性化文本信息检索能有效提高信息检索的准确率和效率。     

基于IIS和web日志的关联关系的挖掘

针对隐藏在web日志的大量记录中的规律性开展研究，提出了一种基于微软的ⅡS合理构建web日志并进行数据预处理的方案，在此基础上运用Apriori算法挖掘用户访问的页面间的关联关系，将数据预处理过程提前到web日志的建立过程中，可极大地降低数据准备的复杂性，将日志数据导入关系数据库中进行净化处理，大幅度减少了工作量，该方案可用于ⅡS下的商业网站。     

自动抽取web数据的树对齐算法

针对从模板生成的网页中自动抽取web数据的问题,提出了一种新的树对齐算法.该算法能够确定输入网页的最大匹配结构.经过一系列的对齐操作之后,多棵树被合并成为一棵记录着合并前多个网页上的统计信息的合并树,树对齐算法可以发现合并树中的重复模式,在最可能内容块上构建包装器,并按照重复模式从网页上抽取数据.实验结果表明,该算法的抽取结果具有较高的准确性和良好的稳定性.     

基于领域本体的Web服务组合的消息处理

目的在Web服务应用中,研究将多个服务组合成一个能完成复杂任务的组合服务技术。方法探讨一种基于领域本体的Web服务组合的消息处理方法,用它来处理信息并生成优化的服务组合图,在此基础上给出一个高效的服务组合算法。结果该算法综合考虑了服务的语义、服务组合的质量和服务组合的效率,能够自动地根据服务请求实现服务组合,方便灵活地实现消息处理,可以解决复杂的信息处理需求。结论基于领域本体的W eb服务组合的消息处理方法有较好的性能并且提高了处理消息的效率。     

基于分类本体的Web信息集成体系结构设计实现

基于分类本体的Web信息集成机制,构建了一个Web信息集成系统的体系结构.根据网站组织结构,抽取网站分类体系,使用该体系进行了基于结构的页面信息分类.在网站分类本体的支持下,集成各信息源网站的分类体系,合并对应类别下的信息,得到集成分类体系下的集成视图,最终以基于portal的集成视图形式展示集成结果,为终端用户提供更为方便的服务和应用.     

基于本体和语义网的网络教育资源检索研究

随着教育信息化进程的大力推进,网络教育资源的建设越来越受到国家和各高校的重视.语义网提供了语义互操作模型,能有效实现网络资源的发现、共享和集成应用.阐述了语义网、语义检索、本体构建、元数据标准等关键技术,分析了本体与元数据的关系,给出了基于元数据的教育资源本体构建方法.设计了基于本体的网络教育资源语义检索系统,该系统由...     

一种改进的基于领域本体的概念语义相似度算法

首先,分析相似度计算的几类方法,然后提出一个改进的基于本体的相似度计算方法。方法同时考虑了与被评估概念相关的所有上下位关系,本体中的有向边和概念属性。经实验验证,该方法简单有效。