基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在信息时代的今天,网络以几何速度飞速发展,成为现代人获取信息的主要来源之一.也正因为网络信息增长太快,人们反而面临"信息爆炸"与"知识贫瘠"共存的局面.数据挖掘(DM)是通过数据获取知识的最佳工具,由此,产生了Web数据挖掘,即KDW的概念.本文重点论述广义Web内容挖掘的特点与发展、狭义的内容挖掘中页面内和页面间挖掘的区分及应用的主要算法、结构挖掘中的两大算法及其优劣.
推荐文章
Web内容挖掘技术研究
Web挖掘
Web内容挖掘
文本的分类
文本聚类
多媒体文本挖掘
基于摘要的web内容挖掘研究
语义虚拟文档
锚文本
摘要
文本聚类
单链接凝聚层次聚类算法
统一事件Web挖掘模型
统一事件模型
Web挖掘
电子商务
一种基于用户兴趣度模型的Web路径挖掘算法
数据挖掘
web挖掘
Web用户兴趣度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 广义Web内容挖掘模型算法
来源期刊 天津理工大学学报 学科 工学
关键词 广义Web内容挖掘 OEM VSM HITS PageRank
年,卷(期) 2005,(2) 所属期刊栏目
研究方向 页码范围 29-32
页数 4页 分类号 TP301
字数 4516字 语种 中文
DOI 10.3969/j.issn.1673-095X.2005.02.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高宏 天津大学管理学院 20 77 5.0 8.0
2 朱耀稷 天津大学管理学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (20)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (8)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
广义Web内容挖掘
OEM
VSM
HITS
PageRank
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
天津理工大学学报
双月刊
1673-095X
12-1374/N
大16开
天津市西青区宾水西道391号
1984
chi
出版文献量(篇)
2405
总下载数(次)
4
总被引数(次)
13943
论文1v1指导