web数据挖掘学习1

万维网特征：

数据大，主题广泛内容丰富。

各种类型的数据（结构化表格，半结构化网页，无结构化文本，多媒体）

网络信息异构

权威网页

噪音：一张网页上的有用信息和噪声2、各界评论

万维网的动态性

数据挖掘：分类（监督学习）聚类（无监督学习）关联规则挖掘、序列模式挖掘

步骤：

预处理：噪音、数据的不完整性，方法：采样和选择特定属性来降低数据量降维

挖掘：

后续：将发现的模式进行评估，找到有用的模式

WEB挖掘

来源：结构挖掘超链接结构（搜索引擎）、内容挖掘网页内容（情感分析）、使用挖掘日志 （点击流数据的预处理）