1、目的意义
Web数据挖掘是利用数据挖掘技术从Web文档和Web服务器中发现并提取人们感兴趣的信息或知识的过程。涉及到Internet技术、人工智能、计算机语言学、信息学、统计学等多个领域。
Web包含了丰富和动态的超链接信息,以及Web页面的访问和使用信息,这为数据挖掘提供了丰富的资源。然而,从以下的分析中可以看到,对Web进行有效的知识发现具有极大的挑战性:Web挖掘对象多样性;Web页面的复杂性;Web作为信息源的极强动态性;Web用户群体的广泛性;Web页面的有用价值却极低。随着大数据时代的到来,Web数据挖掘在大数据中的重要地位日益凸显。
2、现状
Web数据挖掘是一个更具挑战性的课题,它实现对Web存取模式、Web结构规则和动态的Web内容的查找。一般地Web挖掘可分为3类:Web内容挖掘、Web结构挖掘和Web使用记录的挖掘。Web数据挖掘通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。大数据技术与传统Web数据挖掘相比,整合了大规模并行处理数据库、数据挖掘网络、分布式文件系统