面向智能服务的Web内容计算研究与应用

论文摘要

WEB是人们获取信息与知识的重要途径，它的海量性、多样性、动态性和半结构化等特性增加了其信息进行自动处理的难度，也吸引了研究者的兴趣。如何从大量的信息中发现用户感兴趣的信息是目前因特网信息搜索研究的课题；如何将WEB上丰富的信息转化为有用的知识是WEB挖掘和WEB知识发现的任务；如何使用户获取个性化信息，从而使WEB提供更多的服务功能是WEB智能需要解决的问题。目前WEB信息数据大致可以分为三类：内容数据（Content Data）、访问数据（Usage Data）和结构数据（Structure Data），因此也形成WEB研究的三个大的方向：WEB内容挖掘、WEB访问挖掘和WEB结构挖掘。WEB的信息载体主要是WEB页面，它的内容包含显示的数据、标记和超链接。基于WEB内容的计算就是以WEB页面为对象，研究WEB的信息提取、WEB的信息检索和WEB智能服务等涉及到的问题。本文在综合了WEB内容计算的研究基础上，重点研究并取得如下创新性成果： （1） 提出了一种增量式挖掘方法iFP-Growth，使传统的FP-Growth方法适应于Web动态数据环境的关联规则挖掘。 Web页面数据的半结构化、不规则性和动态更新等特征，使得基于Web内容的数据挖掘研究具有一定的复杂性。本文总结了多种从Web页面中提取半结构化数据的理论与方法，针对Web内容数据的特点，提出的增量式挖掘方法iFP-Growth，使传统的FP-Growth方法适应于动态数据环境的关联规则挖掘。并以中国汽车市场网为例，挖掘消费者对不同类别、不同型号、不同价格轿车的购买偏好。 （2） 提出一种基于句子相关度的文本自动分类模型TCSC) 针对中文WEB文档集的分类和聚类等WEB信息检索（IR）课题中需要进行中文分词和词的多义性问题，利用语料库，提出了一种基于句子的文本特征选择，利用训练文本自动生成类别语料库，根据句内词元的类别相关性和句子位置信息，给出了基于句子类别相关度矩阵的文本分类方法，从而在分类阶段避免了分词处理，同时该方法对于词的多义性具有不敏感性。

论文目录

• 摘要
• Abstract
• 第一章 综述
• 1.1 Web内容计算和挖掘
• 1.2 Web内容挖掘
• 1.2.1 Web信息提取
• 1.2.2 Web数据挖掘
• 1.2.3 Web信息检索
• 1.2.4 Web文本挖掘
• 1.2.4.1 Web文本采集与预处理
• 1.2.4.2 文本的表示模型
• 1.2.4.3 文本的特征选择
• 1.2.4.4 文本分类方法与评价
• 1.2.5 Web内容挖掘的主要方法
• 1.3 Web结构挖掘
• 1.4 Web使用挖掘
• 1.5 智能Web服务
• 1.6 语义Web与内容计算
• 1.7 本文工作内容
• 1.8 本论文内容安排
• 参考文献
• 第二章 基于Web信息提取的增量数据挖掘
• 2.1 引言
• 2.2 Web信息提取研究的发展
• 2.3 Web信息提取的概念
• 2.4 Web信息提取模型
• 2.5 Web信息提取常用方法
• 2.5.1 Web信息的主要组织方式
• 2.5.2 Web信息提取的方法
• 2.6 Web提取信息的特点与挖掘
• 2.7 基于Web信息提取的增量式挖掘与应用
• 2.7.1 从Web页面中提取半结构化的数据
• 2.7.2 增量FP-Growth算法挖掘关联规则
• 2.7.3 实例应用
• 2.8 结语
• 参考文献
• 第三章 基于句子相关度的Web文档分类
• 3.1 概述
• 3.2 Web文本挖掘简介
• 3.3.1 Web文本采集与预处理
• 3.3.2 文本的特征表示
• 3.4 基于句子相关度的分类方法研究
• 3.4.1 类别语料库
• 3.4.2 句子相关度分类算法
• 3.4.3 句子的类别相关度
• 3.4.4 分类处理
• 3.4.5 实验与结果分析
• 3.5 结语
• 参考文献
• 第四章 基于Web内容的智能服务
• 4.1 引言
• 4.2 智能Web服务
• 4.2.1 智能Web服务的定义
• 4.2.2 智能Web服务的框架
• 4.2.3 智能Web服务的研究
• 4.2.4 智能Web服务的应用
• 4.3 一个智能Web比较网站的研究与实现
• 4.3.1 比较网站的结构
• 4.3.2 比较网站的关键技术
• 4.3.3 数据分析与结果发布
• 4.3.4 实验结果和讨论
• 4.4 结语
• 参考文献
• 第五章 WEB内容计算的希望—语义WEB（Semantic Web）
• 5.1 语义Web定义和体系结构
• 5.2 语义Web的几个关键技术
• 5.2.1 XML和XML schema
• 5.2.2 RDF--Web数据的语义描述模型
• 5.2.2.1 RDF概念
• 5.2.2.2 RDF数据模型
• 5.2.3 Ontology（本体）
• 5.2.3.1 什么是Ontology
• 5.2.3.2 Ontology研究的意义
• 5.2.3.3 Ontology当前研究状况
• 5.3 Semantic Web在信息获取和内容计算中的应用
• 5.4 结语
• 参考文献
• 第六章 总结和未来工作
• 6.1 本文工作总结
• 6.2 未来工作
• 攻读博士学位期间参与的科研项目及主要成果
• 致谢