面向web的数据挖掘是一项复杂的技术,Web数据挖掘就是利用数据挖掘技术从网络文档和服务中发现和提取信息。Web上各种形式的文档和用户访问信息就构成了Web数据挖掘的对象。根据挖掘对象的不同我们将Web数据挖掘分为内容挖掘,结构挖掘和访问信息挖掘。由于XML能够使不同来源的结构化的数据很容易地结合在一起,因而使搜索多样的不兼容的数据库能够成为可能,从而为解决数据挖掘难题带来了希望。本文研究和探讨了使用XML作为数据交换格式对Web上的数据和Web日志进行数据挖掘,从而发现关联规则。 本文完成的主要工作如下: (1) 完成了对基于XML的Web数据挖掘的技术研究并设计了相关系统。本文通过对XML这种近几年出现的具有很大潜力的Internet数据交换技术的研究分析,提出了基于XML的Web挖掘的新思路,并且完成了对XML的Web挖掘系统的系统功能设计。 (2) 实现了XML到数据库模式的转化工具。本文主要针对XML的DTD文档,提出了一系列从XML到关系数据库模式的转换算法,使得XML数据和数据库数据的联合查询成为可能,从而也就把基于XML的Web数据挖掘与传统的基于关系数据模式的数据挖掘算法建立了联系。 (3) 研究了基于XML的Web访问日志的挖掘。本文通过使用XML来存储和规整化Web日志内容,对Web日志内容做了必要的数据清洗和数据转化,同时通过实现Apriori算法,完成了对用户访问模式中的关联规则的提取,计算了关联规则的置信度和支持度。