Ⅰ 信息检索中主体法和分类法是如何进行信息存储和检索(原理和过程)
主题法和分类法在信息检索中的原理基本相同。即信息储存和信息检索两个过程。信息储存是对文献进行收集、标引及着录，并加以有序化编排，编制信息检索的工具的过程；信息检索是从大量的信息中查找出用户所需的特定信息的过程。而实施检索的主要方法就是利用各种检索工具。
但是也有细微的差别。
1、在主题概念表达上
分类语言的一个显着特点是用码号(如字母或数字)作为文献的标识，标引或检索时都必须使用分类号。主题语言则是直接以自然语言中的话词作为标引和检索的标识。
2．在主题概念的组织上
主题法与分类法都要将主题概念组织成可迅速查找的检索工具或检索系统。分类语言主要是按学科体系或逻辑体系组织的，由于分类体系不是显而易见、易于掌握的，因此读者在使用分类检索工具或检索系统时，往往难以确定新主题、细小主题以及复杂主题在体系中的准确位置。主题语言按照语调的字顺来组织主题概念，因而可以直呼其名，依名检索。
3．在主题内在关系的显示上
分类语言中主题内在关系主要通过上下位类、同位类以及交替类目、参见类目和类目注释来显示。尤其在体系分类表中，类目之间的等级关系可以通过类目排列的位置、乃至印刷字体的不同而直接明显地展示由来。因而分类法系统的系统性、等级性强，便于进行浏览性检索，并可以根据检索的需要进行扩检和缩检。主题语言中，主题内在关系主要通过建立词间参照系统的方式来显示。此外也通过辅助索引进行分类显示。所以，在主题词表中，相关主题之间的关系难以直接地、一目了然地展示出来，因而在族性检索、尤其是较大范围课题的检索中，不如分类语言。
4、在标引方法上
使用分类语言标引时，主题分析的重点是辨别确定文献主题的学科性质，以便进一步确定所属类目。使用主题语言标引时，主题分析的重点是辩明文献主题各构成因素之间的关系，区别论述对象的中心部分和次要部分，以便选定中心主题概念。分类法表现的是族性，主题法表现的是特性。
信息检索的整个过程如图。
Ⅱ 信息检索是什么
《信息检索》是在2006年科学出版社出版的图书，作者是徐天秀。
内容简介
本书立足于介绍现代信息检索的方法与技术，在对信息检索基本知识、信息检索工具及系统进行了全面阐述的基础上，重点介绍了国内外重要电子信息资源、网络信息资源的检索与利用，也对部分重要的印刷型检索工具书进行了介绍，为读者提供了较全面的信息检索知识。
本书是一本工具型书籍，提供的信息检索学科范围广，内容尽量以最新版本为主，是一本适用性强的学习信息检索方法和技巧的专着。
本书既可作为师范院校、综合性院校及理工科院校的本科生、研究生的教材，又可作为教学、科研及各界信息用户的参考工具书。
前言
信息社会，人们把信息、物质与能量一起称为人类社会赖以生存发展的三大要素。信息是促进社会经济、科学技术以及人类生活向前发展的重要因素。一个国家的科技进步和社会发展越来越取决于对信息的开发与利用，谁能充分开发和有效地利用信息资源，谁就能抢占科学技术发展的制高点。
社会的信息化环境使社会对人才的要求更高，信息素质成为现代化人才必备的基本素质之一。当今，信息呈爆炸式增长，不仅如此，信息载体也发生了巨大的变化，除传统纸介质信息外，每天都有大量的磁载体信息、电子版信息及各类网上信息涌现出来，这些浩如烟海的信息的多样性、离散性与无序性及其复杂的检索界面和使用方法，增加了信息利用的难度，极大地影响了人们获取信息的质量与效率。
1984年，教育部就提出在大学生中开设"文献检索与利用"课程，"信息检索"是该课程的延续和发展，其目的就是培养学生的信息素质，使学生在增强信息意识的基础上，熟悉检索工具和系统，掌握信息检索的方法和技巧，提高自学能力，激发创新能力。为此，我们在长期信息检索课教学的基础上总结经验，并博采各类相关教材之精华，编写了《信息检索》一书。
本教材以师范类专业为主要介绍对象，并兼顾其他各学科专业，因此，所介绍的专业信息检索，学科门类较齐全。其特点如下:
(1)根据师范院校综合性和多学科特点，注意介绍了师范专业所涉及的绝大部分学科和专业的信息检索。
(2)电子版检索工具具有方便、快捷地获取信息的优点，深受用户喜欢。电子版检索系统和工具越来越多，各个学科都出版了不少数据库，为了突出电子版检索工具，本教材特意把"综合性电子信息资源的利用"设为一章。
(3)相对而言，社会科学信息检索部分的电子信息资源出版物不多，该章节电子信息资源的利用部分就置于检索工具书之后介绍;自然科学部分介绍的几种常用的检索工具书都有其对应的电子版，为达到推荐电子资源的作用，故先介绍电子版，然后是相对应的印刷型检索工具。
(4)中国绝大多数图书馆已经实现了管理自动化和网络化，为帮助读者有效地利用现代化图书馆资源，我们专门以"现代化图书馆及其利用介绍"为一章，帮助读者了解现代化图书馆，达到有效利用馆藏文献资源的目的。
Ⅲ 急急急～网络信息检索方法与应用 论文
我给你找了一篇，摘要如下：
随着Internet在全世界范围内迅猛发展，网上庞大的数字化信息和人们获取信息之间的矛盾日益突出。因此，对网络信息的检索技术及其发展趋势进行探讨和研究，是一个既迫切而又实用的课题。本文通过对网络信息检索的基本原理、网络信息检索的技术及工具、网络信息检索的现状等方面进行分析研究，并对网络信息检索的发展趋势进行了预测，旨在寻找提高网络信息检索的手段和方法的有效途径，并最终提高网络信息的检索效果，使得网络信息资源得到充分有效地利用。
全文主要包括六个部分，
第一部分为网络信息检索述评，主要是阐述了网络信息检索所涉及到的有关概念，如信息检索技术、网络信息检索的特点及网络信息检索效果评价。
第二部分重点讨论了网络信息检索的基本技术。如信息推拉技术、数据挖掘技术、信息过滤技术、自然语言处理技术等等，旨在弄清网络信息检索的技术支撑，为预测网络信息检索的发展趋势作下铺垫。
第三部分对网络信息检索的重要工具——搜索引擎进行了阐述，主要从其检索机制入手，分析了不同种类的搜索引擎的检索特点及功能。其独到之处在于对搜索引擎的基本功能进行了比较全面的概括，并对目前流行的搜索引擎进行科学的分类...
第四部分分析讨论了检索技术的另一分支—基于内容的检索技术
第五部分则分析了网络信息搜索工具的局限，主要从文本信息检索和多媒体信息检索两方面进行阐述。
好不容易给转成 .txt文本，贴在下面：
1.1网络信息资源
网络信息资源是指“通过国际Intemet可以利用的各种信息资源”的总称。
随着Intemet的迅速发展，网上信息资源也以指数形式增加，网络信息资源作
为一种新型的信息资源，发挥着越来越重要的作用，其内容几乎无所不包，涉
及政治、经济、文化、科学、娱乐等各个方面;其媒体形式多种多样，包括文
本、图形、图像、声音、视频等;其范围覆盖社会科学、自然科学、人文科学
和工程技术等各个领域。
1.2信息检索技术
信息检索技术是现代信息社会中非常关键的技术之一。信息检索是指将信
息按一定的方式组织和存储起来，并根据信息用户的信息需求查找所需信息的
过程和技术，所以信息检索的全称又叫“信息存储与检索”。狭义的信息检索
仅指从信息集合中找出所需信息的过程，也就是利用信息系统检索工具查找所
需信息的过程。人们获取信息源的方式主要有:①遵循传统的检索方法在浩如
烟海的图书馆资料中，通过人工查找索引找到对应的文献索引号再获取文献原
文;②联机信息检索。这其中也存在一个发展过程，由检索结果来看，从提供
目录、文摘等相关的二次信息检索到可以直接获得电子版的全文;由检索方法
来看，从对特定关键词或者如作者、机构等辅助信息作为检索入口的常规检索
到以原始文献中任意词检索的全文检索等等。其中，全文检索由于其包含信息
的原始性、信息检索的彻底性、所用检索语言的自然性等特点在近年来发展比
较迅速，成为深受人们关注的一种非常有效的信息检索技术，它是从大容量文
档库中精确定位所需信息的最有效手段l3]。
.3.2web信息检索
其检索方式有:浏览器方式和搜索引擎方式。
(l)浏览器方式(Br，singsystelns)。只要能够进入hitemct就能够通过浏
览器，利用HTTP协议提供的WV乃万服务，浏览认触b页面和通过W匕b页面提
供的检索方式访问数据库。
(2)搜索引擎方式(SearehEngines)。搜索引擎是intemet提供公共信息检
索服务的W七b站点，它是以一定的技术和策略在intemet中搜集和发现网络信
息，并对网络信息进行理解、提取和处理，建立数据库，同时以认倪b形式提
供一个检索界面，供用户输入检索关键词、词组或短语等检索项，代替用户在
数据库中查找出与提问相匹配的记录，同时返回结果且按相关度排序输出，从
而起到快速查找信息的目的。搜索引擎所处理的信息资源主要包括万维网服务
器上的信息，另外还包括电子邮件和新闻组信息。搜索引擎服务的宗旨是为满
足用户的信息需要，所以它是面向用户的，采用的方式是交互式的。
网络信息检索工具采用主动提交或自动搜索两种方法搜索数据。
1.4网络信息检索效果评价
目前，得到普遍认同的检索效果的评价标准主要有以下几个:查全率、查
准率、收录范围、输出格式，其中以查全率和查准率最为重要。
现代信息科学技术的发展，为人们提供了多种多样的信息获取和传送方法
及技术，从“信源”与“用户”的关系来看，可分为两种模式:“信息推送”
模式(InformationPush)，由“信源”主动将信息推送给“用户”，如电台广播;
“信息拉取”模式(InformationPull)，由“用户”主动从“信源”中拉取信息，
如查询数据库。
2.2.1信息推送技术
“推”模式网络信息服务，是基于网络环境下的一种新的服务形式，即信
息服务者在网上利用“Push”技术为特定用户开展信息服务的方式。Push技术
之所以成为Intemet上一项新兴的技术，是因为借助该技术使网络信息服务具
有主动性，不仅可以直接把用户感兴趣的信息推送给用户，而且可有效地利用
网络资源，提高网络吞吐率;再者，Push技术还允许用户与提供信息的服务器
之间透明地进行通信，极大地方便了用户。
所谓Push技术，又称“推送”技术、Web广播(Webeasting)技术，实质
上是一种软件，这种软件可以根据用户定义的准则，自动搜集用户最可能发生
兴趣的信息，然后在适当的时候，将其传递至用户指定的“地点”。因而从技
术上看，“推”模式网络信息服务就是具有一定智能性的、可以自动提供信息
服务的一组计算机软件，该软件不仅能够了解、发现用户的兴趣(可能关心的
某些主题的信息)，还能够主动从网上搜寻信息，并经过筛选、分类、排序，
然后按照每个用户的特定要求，主动推送给用户141。
(l)信息推送方式。信息推送方式分两类，即网播方式和智能方式。
网播方式有:频道式推送。频道式网播技术是目前普遍采用的一种模式，
它将某些页面定义为浏览器中的频道，用户可像选择电视频道那样接受有兴趣
的网播信息;邮件式推送，用电子邮件方式主动将所推送信息发布给各用户，
如国际会议的通知、产品的广告等:网页式推送。在一个特定网页内将所推送
信息发布给各用户，如某企业、某组织、某个人的网页;专用式推送。采用专
门的信息发送和接收软件，信源将信息推送给专门用户，如机密的点对点通信。
智能推送方式有:操作式推送(客户推送式)，由客户数据操作启动信息
推送。当某客户对数据进行操作时，把修改后的新数据存入数据库后，即启动
信息推送过程，将新数据推送给其他客户;触发式推送(服务器推送式)，由
ll硕士学位论文
MASTER，5THESIS⑧
数据库中的触发器启动信息推送过程，将新数据推送给其他客户，当数据发生
变化，如出现增加(Insert)、删除(Delete)、修改(update)操作时，触发器
启动信息推送过程。
(2)信息推送的特征。信息推送的特征有:主动性、针对性、智能性、高效
性·灵活性和综合性I5]。
主动性。Push技术的核心就是服务方不需要客户方的及时请求而主动地将
数据传送到客户方。因而，主动性是“推”模式网络信息服务最基本特征之一。
这也是它与基于浏览器的“拉”(Pull)模式的被动服务的鲜明对比。
针对性(个性化)。针对性是说，Push技术可以针对用户的特定信息需求
进行检索、加工和推送，并根据用户的特定信息需求为其提供个人定制的检索
界面。
智能性。Push服务器能够根据用户的要求自动搜集用户感兴趣的信息并定
期推送给用户。甚至，Push技术中的“客户代理(ClientAgent)”可以定期自
动对预定站点进行搜索，收集更新信息送回用户。同时个人信息服务代理和主
题搜索代理还可为了提高“推送”的准确性，控制搜索的深度，过滤掉不必要
的信息，将认飞b站点的资源列表及其更新状态配以客户代理完成。因而，网
络环境下的“推”模式信息服务具有较高的智能性。这也是传统的定题服务
(SDI)不能比的。
高效性。高效性是网络环境下“推”模式信息服务的又一个重要特征。Push
技术的应用可在网络空闲时启动，有效地利用网络带宽，比较适合传送大数据
量的多媒体信息。
灵活性。灵活性是指用户可以完全根据自己的方便和需要，灵活地设置连
接时间，通过E一mail、对话框、音频、视频等方式获取网上特定信息资源。
综合性。“推”模式网络信息服务的实现，不仅需要信息技术设备，而且
还依赖于搜寻软件、分类标引软件等多种技术的综合[6]。
但在当前信息技术的发展阶段，“推”技术还存在很大的缺陷，比如:不
能确保信息发送，没有状态跟踪，缺乏群组管理功能等等。因此，国内外的研
究者们又提出超级推(BeyondPush)技术的理论。所谓超级推技术是在保留、继
承、完善了Push的优点(主动传递和个性化定制)，摒弃了Push的诸多缺点之
!2硕士学位论文
MASTER，5THESIS管
后而发展起来的一种新型的Push技术。它的最大特点是在于保证传送。即所
有的信息都是在特定的时间送给特定的信息用户，同时保持连续性的用户资
料，随时可以知道谁收到了信息，信息是否为该用户定制，用户环境是否适当
等等[刀。
2.2.2信息拉取技术
常用的、典型的信息拉取技术，如数据库查询，是由用户主动查询数据库，
从数据库中拉取所需信息。其主要优点是:针对性好，用户可针对自己的需求
有目的地去查询、搜索所需的信息。
Intemet上的信息拉取技术可以说是数据库查询技术的扩展和延伸。在网
络上，用户面对的不止是一个数据库，而是拥有海量信息的hitemet环境，因
此，各种网络信息拉取(查询)的辅助工具—搜索引擎应运而生了。信息推送与信息拉取两种模式各有其特点，在实际中常常是将两者的结合
起来，常用的结合方式为:
(1)“先推后拉”式。先及时地推送最新信息(更新的动态信息)，再有针
对性地拉取所需的信息。这样，便于用户注意信息变化的新情况和趋势，从而
动态地选取需要深入了解的信息。
(2)“先拉后推”式。用户先拉取所需信息，然后根据用户的兴趣，再有针
对性地推送相关的其它信息。
(3)“推中有拉”式。在信息推送过程中，允许用户随时中断、定格在所感
兴趣的网页上，作进一步的搜索，主动拉取更丰富的信息。
(4)“拉中有推”式。在用户拉取信息的搜索过程中，根据用户输入的关键
词，信源主动推送相关信息和最新信息。这样既可以及时地、有针对性时为用
户服务，又可以减轻网络的负担，并便于扩大用户范围[8]。
因此，信息推送与信息拉取相结合是当前Intemet、数据库系统及其它信
息系统为用户提供主动信息服务的一个发展方向。
2.3Web挖掘技术
随着功temet的发展，W己b已经成为人类社会的公共信息源。在hitemet
给人类带来前所未有的信息机遇的同时，又使得人类的信息环境更加复杂，人硕士学位论文
MASTER，5THESIS⑧
类如何利用信息的问题非但没有如预想的通过信息技术的发展得到圆满的解
决，相反，随着信息技术的发展，信息量的激增，造成了个人实际所需信息量
与研触b上的海量信息之间的矛盾，因而也就造成了个人利用信息的困难。在
这种情况下，虽然出现了叭范b环境下的专门检索工具，但是由于搜索引擎是
由传统检索技术发展而来，在当前用户要求不断提高的情况下，传统的搜索技
术己经不能够满足人们的需要。为了更加有效地利用网络信息资源，W七b挖掘
作为新的知识挖掘的手段，为Web信息的利用提出了新的解决方案叨。
2.3，1姗eb挖掘的内容
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，
提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
Web挖掘则是从WWW及其相关的资源和行为中抽取有用的模式和隐含信息。其
中WWW及其相关资源是指存在于WWW之上的Web文档及Web服务器上的日志文
件以及用户资料，从Web挖掘的概念中应当看出Web挖掘在本质上是一种知识
发现的手段，它主要从下面3个方面进行仁’时。
(1)Web内容挖掘。W七b内容挖掘是从W匕b数据中抽取知识，以实现Web
资源的自动检索，提高web数据的利用效率。随着Intemet的进一步延伸，Web
数据越来越庞大，种类越来越繁多，数据的形式既有文本数据信息，也有图像、
声音、视频等多媒体数据信息，既有来自于数据库的结构化数据，也有用HTML
标记的半结构化数据及非结构化的自由文本数据信息。因而，对W己b内容信
息挖掘主要从下面两个角度进行〔”]。
一是从信息检索的角度，主要研究如何处理文本格式和超级链接文档，这
些数据是非结构化或半结构化的。处理非结构化数据时，一般采用词集方法，
用一组组词条来表示非结构化的文本，先用信息评价技术对文本进行预处理，
然后采取相应的模型进行表示。另外，还可以用最大字序列长度、划分段落、
概念分类、机器学习和自然语言统计等方法来表示文本。处理半结构化数据时，
可以利用一些相关算法给超级链接分类，寻求认七b页面关系，抽取规则。同
处理非结构化数据相比，由于半结构化数据增加了HTM毛标记信息及Web文
档内部超链结构，使得表示半结构化数据的方法更加丰富。
二是从数据库的角度，主要处理结构化的W匕b数据库，也就是超级链接
14⑧蕊誉蕊
文档，数据多采用带权图或者对象嵌入模型(OME)，或者关系数据库表示，
应用一定的算法，寻找出网站页面之间的内在联系，其主要目的是推导出Web
站点结构或者把W匕b变成一个数据库，以便进行更好的信息管理和查询。数
据库管理一般分成三个方面:一是模型化，研究认触b上的高级查询语言，使
其不局限于关键字查询;二是信息的集成与抽取，把每个W七b站点及其包装
程序看成是一个认范b数据源，通过W七b数据仓库(data~house)或虚拟W七b数据库实现多种数据来源的集成;三是叭几b站点的创建与重构，通过研
究web上的查询语言来实现建立并维护web站点的途径[’“]。
(2)札b结构挖掘。W匕b结构挖掘，主要指的是通过对W七b文档的分析，从
文档之间的组织结构获取有用的模式。W匕b内容挖掘研究的是文档内的关系，
W七b结构挖掘关注的则是网站中的超级链接结构之间的关系，找到隐藏在一个
个页面之后的链接结构模型，可以用这个模型对W七b页面重新分类，也可以
用于寻找相似的网站。
W七b结构挖掘处理的数据类型为W七b结构化的数据。结构化数据是描述
网页内容组织方式的数据，页内结构可以用超文本标记语言等表示成树型结
构，此外页间结构还可以用连接不同网页的超链结构表示。文档间的链接反映
了文档信息间的某种联系，如隶属平行关系、引用与被引用关系等。对W七b
页面的超级链接进行分类，可以判断与识别页面信息间的属性关系。由于Web
页面内部存在或多或少的结构信息，通过研究W亡b页面内部结构，可寻找出
与用户选定的页面集合信息相关的其它页面信息模式，以检测W己b站点所展
示的信息完整程度。
③Web行为挖掘。所谓W己b用户行为挖掘主要是通过对认尼b服务器的日
志文件以及用户信息的分析，从而获得有关用户的有用模式。W七b行为挖掘的
数据信息主要指网络日志中包括的用户行为模式，它包括检索时间、检索词、
检索路径、检索结果以及对哪些检索结果进行了浏览。由于W七b自身的异质、
分布、动态、无统一结构等特点，使得在认七b网上进行内容挖掘比较困难，
它需要在人工智能和自然语言理解等方面有所突破。所幸的是基于W七b服务
器的109日志存在着完整的结构，当信息用户访问web站点时，与访问相关的
页面、时间、用户ro等信息，日志中都作了相应的记录，因而对其进行信息
l5硕士学位论文
MASTER，5THESIS⑥
挖掘是可行的，也是有意义的。在技术实践过程中，一般先把日志中的数据映
射成诸种关系信息，并对其进行预处理，包括清除与挖掘不相关的信息等。为
了提高性能，目前对109日志数据信息挖掘采用的方法有路径分析、关联规则、
模式发现、聚类分析等。为了提高精确度，行为挖掘也应用到站点结构信息和
页面内容信息等方面。
2.3.2web挖掘技术在网络信息检索中的应用
(l)Web内容挖掘在检索中的应用。W匕b内容挖掘是指从文档内容及其描述
中获取知识的过程，由于用传统的信息检索技术对W己b文档的处理不够深入，
因此，可以利用叭触b内容挖掘技术来对网络信息检索中的W己b文档处理部分
进行进一步的完善，具体而言表现在以下几个方面。
①文本总结技术。文本总结技术是指从文档中抽取出关键信息，然后以简
洁的形式对W匕b文档的信息进行摘要或表示。这样用户通过浏览这些关键信
息，就可以对W七b网页的信息有大致的了解，决定其相关性并对其进行取舍。
②文本分类技术。W匕b内容挖掘中的文本分类指的是按照预先定义的主题
类别，利用计算机自动为文档集合中的每一个文档进行分类。分类在网络信息
检索中的价值在于可以缩小检索范围，大大提高查准率。目前，己经出现了很
多文本分类技术，如TFIFF算法等，由于文本挖掘与搜索引擎所处理的文本几
乎完全一样，所以可以直接将文本分类技术应用于搜索引擎的自动分类之中，
通过对大量页面自动、快速、有效的分类，来提高文档检索的查准率。
③文本聚类技术。文本聚类与文本分类的过程J险洽相反，文本聚类指的是
将文档集合中的文档分为更小的簇，要求同一簇内的文档之间的相似性尽可能
大，而簇与簇之间的关系尽可能小，这些簇相当于分类表中的类目。文本聚类
技术不需要预先定义好的主题类别，从而使得搜索引擎的类目能够与所收集的
信息相适应。文本聚类技术与人工分类相比，它的分类更加迅速、客观。同时，
文本聚类可与文本分类技术相结合，使得信息处理更加方便。可以对检索结果
进行分类，并将相似的结果集中在一起。
(2)Web结构挖掘在网络信息检索中的应用。W匕b的信息组织方式采用了一
种非平面结构，一般来说W己b的信息组织方式是根据内容来进行组织的。但
是由于W匕b的这些结构信息比较难以处理，所以搜索引擎一般不处理这些信
16硕士学位论文
MASTER，S竹正515⑧
息，而是将叭触b页面作为平面机构的文本进行处理。但是，在从触b结构挖掘
中，通过对研触b文档组织结构的挖掘，搜索引擎可以进一步扩展搜索引擎的
检索能力，改善检索效果〔’3]。
(3)脆b行为挖掘在网络信息检索中的应用。认触b行为挖掘是一种通过挖掘
总结出用户的检索行为的模式。用户的检索行为一直是信息检索中重要的研究
内容，通过研触b行为挖掘，不仅可以发现多数用户潜在共同的行为模式，而
且还可以发现单个用户的个性化行为，对这些模式进行研究，可以更好地对搜
索引擎的检索效果进行反馈，以便进一步改进搜索策略，提高检索效果。
2.3.3web挖掘技术的局限及方向
(1)孔b内容挖掘。W七b上的数据不管是用HTML还是XML标记语言表示，
都不能完全解决W七b数据的非结构性问题，特别是汉语句子格式繁多，虚词、
实词没有绝对的界限，切分词难度大，这些是造成无法对数据进行完全自动标
引的根本性问题，因此，从七b内容挖掘技术有必要结合数据仓库等信息技术进
行信息存储，并最终实现智能化、自动化的数据表示和标引，以供搜索之用。
通常数据的表示和数据的利用形式是相互关联的，因此，设计相应的具有高查
全率和查准率的挖掘算法也和数据表示一样是未来的方向之一。另外多媒体数
据如何进行识别分类标引，这也是未来的研几b内容挖掘研究的难点和方向。
(2)梅b结构数据挖掘。随着Intemet的迅猛发展，网站的内容也越来越丰
富，结构也越来越庞杂，用有向图表示巨型网站链接结构将不能满足数据处理
的需要，需要设计新的数据结构来表示网站结构。
由于用来作对比分析发现问题所在的用户使用信息只有日志流，那么，对
用户使用日志流中每一链接关系如何识别、采用什么结构表示、如何抽取有用
的模式等等，不仅是认飞b行为挖掘的重要研究内容也是网站结构挖掘的重要
研究方向之一。
(3)，eb用户行为挖掘。由于Iniemet传输协议HTTP的无状态性，客户端、
代理服务器端缓存的存在，使用户访问日志分别存在于服务器、代理服务器和
客户端，因此，从W七b用户访问日志中研究用户访问规律最大的难点在于如
何把分布于不同位置的访问日志经过预处理，形成一个个用户一次的访问期
间。通常来讲，对于静态W七b网站，服务器端的日志容易取得，客户端和代
l7理服务器用户访问日志不容易取得;其次，由于一个完整的W匕b是由一个个
图片和框架页面组成的，而用户访问服务器也有并发性，在确定用户访问内容
时，必须从服务器日志中甄选出某个用户实际请求的页面和页面的主要内容。
另外，由于目前已经有的数据挖掘算法主要是在大量交易数据基础上发展起来
的，在处理海量Web用户访问日志中也需要重新设计算法结构〔’41。
2.4信息过滤技术
hitemet开放式的环境，为人们检索和利用信息提供了极大的方便，但同
时，网络环境也为人们及时准确地检索到所需信息带来了麻烦。这是因为，第
一，网络环境中信息的来源复杂多样，随意性大，任何人、任何单位不管其背
景和动机如何都可以在网络上发布信息，信息的产生和传播没有经过筛选和审
定，因此信息的可靠性、质量和价值成为用户普遍担心的一大问题;第二，目
前大多数据搜索工具的检索范围是综合性的，它们的Robots尽可能地把各种
网页抓回来，经过简单加工后存放在数据库中备检;第三，搜索引擎直接提供
给用户的检索途径大都是基于关键词的布尔逻辑匹配，返回给用户的就是所有
包括关键词的文献，这样的检索结果在数量上远远超出了用户的吸收和使用能
力，让人感到束手无策。这就是人们经常谈论的“信息过载”、“信息超载”现
象。信息过滤技术就是在这样的背景下开始受到人们的重视，它的目的就是让
搜索引擎具有更多的“智力”，让搜索引擎能够更加深入、更加细致地参与到
用户的整个检索过程中，从关键词的选择、检索范围的确定到检索结果的精炼，
帮助用户在浩如烟海的信息中找到和需求真正相关的资料。
2.4.1信息过滤模型
信息过滤其实质仍是一种信息检索技术，因此它仍依托于某一信息检索模
型，不同的检索模型有不同的过滤方法。51。
(1)利用布尔逻辑模型进行过滤。布尔模型是一种简单的检索模型。在检索
中，它以文献中是否包含关键词来作为取舍标准，因此，它不需要对网页数据
进行深度的加工。最简单的关键词表可以设计成只有三个字段:关键词、包括
关键词的文献号、关键词在相应文献中出现的次数。检索时，用户提交关键词
……………………………………
太长 发不全 希望对你有用 实在不行联系我（给我留言）我发给你邮箱。