Rajoitukset ja haasteita web data Process

Päivän World Wide Web on runsaasti miljardeja verkkosivuja luotu staattista ja dynaamista ohjelmointikieliä kuten HTML, PHP ja ASP. Web on suuri tietolähde, että rehevä leikkipaikka tiedon louhintaan. Koska tiedot tallennetaan Web eri muodoissa ja ovat dynaamisia luonteeltaan, on suuri haaste tutkimukselle, käsittely ja jäsentymätön tiedot saatavilla verkossa.

kompleksisuus web-sivu on paljon suurempi kuin monimutkaisuus kunkin asiakirjan tavanomaisten tekstiä. Web-sivuja Internetissä ilman yhdenmukaisuuden ja standardoinnin, kun taas perinteiset kirjat ja tekstidokumentteja ovat paljon yksinkertaisempia niiden johdonmukaisuutta. Lisäksi hakukoneet rajallinen kapasiteetti voi indeksoida kaikki sivut, joka data mining on erittäin tehotonta.

Internet on tietolähde on erittäin dynaaminen ja kasvaa nopeasti. Urheilu, uutiset, rahoitus, ja yritysten sivustot päivittää sivustoja tunti tai päivässä perusteella. Nyt miljoonat Verkon käyttäjät saavutetaan eri profiilit edut ja käyttötarkoitus. Jokainen näistä vaatii hyvää tietoa, mutta en tiedä miten merkitykselliset tiedot tehokkaasti ja vaivattomasti hakea.

On tärkeää huomata, että vain pieni osa web todella hyödyllistä tietoa. On olemassa kolme yleistä tapaa käyttäjän päästä tallennetut tiedot Internetissä:

1. Käytä yleisten avainsanojen tai suuret hakukoneet johtaa miljoonia verkkosivuja, joista monet ovat täysin merkityksettömiä.

2. Semantiikka samanlainen avainsanan tai usean variantin palata minun tulokset epäselvä. Saat instant sana pantteri on eläin, urheilu tarvikkeet, tai elokuvan nimen.

3. On mahdollista, että voit kaipaamaan paljon erittäin asiaa web-sivuja, jotka eivät ole suoraan avainsanan.

käyttää web tehokkaana välineenä ja liittyvää tiedonhankintaa tutkijat ovat kehittäneet tehokkaita tekniikoita tiedon louhintaan helposti hakea asiaankuuluvat tiedot, sujuvasti ja
kannattavasti.

Web tiedon louhinta ja tiedonkeruu on kriittinen monien yritysten ja markkinatutkimukset tänään. Tavanomaisia ​​tiedon louhinta Web hakukoneet, kuten Google, Yahoo, AOL, jne. Ja avainsanoja, hakemistoja ja teemoja. Koska nykyinen rakenne rainan ei voi antaa tietoja korkealaatuisia, tarkka ja älykäs, järjestelmällinen Web kaivostoiminta voi auttaa sinua saamaan haluamasi business intelligence ja data.

Tärkein tekijä, joka estää pääsyn syvä web on tehokkuus hakukone robotit. Moderni hakukoneiden robotit tai vastaan ​​ei voi käyttää koko web koska kaistanleveys rajoituksia. On tuhansia Internet tietokantojen laadukkaita ja hyvin huollettu skannattu kustantaja voi antaa tietoa, mutta ei voi avata indeksoijat.

Lähes kaikki hakukoneet ovat vähän mahdollisuuksia yhdistää hakusanan. Kuten Google ja Yahoo tarjoavat valinnaisena lause tai tarkka ottelu tarkennettua hakua. Se vie enemmän vaivaa ja aikaa merkityksellisempää informaatiota. Koska ihmisten käyttäytymistä ja valintoja muuttuvat ajan myötä, päivitetään säännöllisesti verkkosivuilla vastaamaan näitä suuntauksia.

on rajoitetusti tilaa web moniulotteinen data mining tiedonhakuun riippuvat suuresti nykyisen avainsanoihin perustuvan indeksit, ei toteutuneita tietoja. Edellä mainittujen rajoitusten ja haasteet ovat johtaneet haku tehokkaasti löytää ja käyttää Web resursseja.
.