网络数据挖掘考试重点.doc

《Web Data mining》复习与总结 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web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，web挖掘的任务划分为三种主要的类型：web结构挖掘、web内容挖掘和web使用挖掘。 web结构挖掘：从表征web结构的超链接中寻找知识。Ch6-ch8：信息检索与web有哪些信誉好的足球投注网站；链接分析；web爬取。 web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。 web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：web使用挖掘 各章主要知识点 （ch1）概述——主要知识点 万维网、超文本、超链接、超媒体的概念； HTTP，HTML，URL， WEB，TCP/IP的含义； Web数据的特点：P5－6； 数据挖掘的定义、数据挖掘任务、KDD过程、KDD的数据类型等； Web数据挖掘的定义、分类、web数据挖掘过程等。 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有哪些信誉好的足球投注网站、链接分析、WEB爬取 （ch6）信息检索与web有哪些信誉好的足球投注网站 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）web有哪些信誉好的足球投注网站：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有哪些信誉好的足球投注网站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??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（关键字查询、布尔查询、短语查询、邻近查询、全文查询、自然语言查询等）+查询操作（作简单预处理如STOP WORDS删除等发送到检索引擎、或处理用户反馈——关联性反馈）+索引器（为提高查询效率对原始文档用某种数据结构做索引，形成文档索引——返回文档索引，如倒排索引）+检索系统（为每个索引文档计算与查询的相关度分数） 关键字查询 布尔查询 短语查询 邻近查询 全文查询 自然语言查询 预处理 关联性反馈 倒排索引 计算文档与查询的相关度分数 布尔模型（布尔查询：AND、OR、NOT） 向量空间模型（TF表、TF－IDF表、查询、相关度排名） 语言模型 概率模型 关联性反馈 （4）查全率（recall）、查准率（precision）、查准率－查全率曲线（PR曲线）、排名查准率（rank precision）、F-score （5）网页预处理：移除停用词、词干提取、数字、连字号、标点、字符大小写的处理；辨别不同的字段；辨别锚文本；移除HTML标签；辨别主要内容块； （6）副本探测（对整个文本Hash——MD5算法；基于n元短语的副本探测技术）：即复制页面，可减少索引大小，改善有哪些信誉好的足球投注网站效率； 镜像：复制站点的技术。 （7）倒排索引：是一张列表，包含了每一个不同的词和包含该词的文档列表。可加快检索和查询的速度。其本身构建速度也非常快。记录格式：〈idj,fij,[o1,o2,…..o|fij|]〉 倒排索引的建立及压缩： 有哪些信誉好的足球投注网站引擎——基于向量空间模型和词匹配模型。爬取网页！！ 元有哪些信誉好的足球投注网站引擎和组合多种排序：略 网络作弊的概念及分类： 内容作弊（词组作弊）：标题、元标记、正文、锚文本、网址。如内容重复、或添加其他不相关的 链接作弊（影响知名度分数）：链出链接作弊（指向中心页面——目录克隆）或链入链接作弊（创建蜜罐、网络目录中添加链接、用户生成内容是添加链接、交换链接、自发添加等） 隐藏技术：内容隐藏（隐藏垃圾项）、掩饰技术（垃圾网络服务器、重定向技术等） 抵制作弊：分类处理——区别对待内容作弊、链接作弊、隐藏技术等；信任排名方法可用。 2、主要知识点 IR系统的基本架构及原理 用户查询的主要形式：关键字查询、布尔查询、短语查询、邻近查询、全文查询、自然语言查询的含义 查询操作 索引器 检索系统 信息检索模型 主要有四种信息检索模型：布尔模型、向量空间模型、语言模型、概率模型。 熟悉布尔模型、