Rajoja ja haasteita arvokas Web Data Mining

Web tiedon louhinta ja tiedonkeruu on tärkeä monien yritysten ja markkinatutkimusyritykset tänään. Perinteiset Web Data Mining Google, Yahoo, AOL, jne., Avainsanan hakemistoon, ja ovat teema-pohjainen haku tekniikoita, kuten hakukoneet. Nykyistä rakennetta paikalle korkealaatuisia, älykäs tiedon ja lopuksi, järjestelmällinen web data mining ja liiketoimintatiedon voit saada tarvitsemansa tiedot ei ole merkitystä.

Avainsana-pohjainen haut vaikuttavista tekijöistä, jotka vaikuttavat tehokkuuteen kuuluu :

- Miljoonat verkkosivut hakukoneiden tuloksia käytön yleinen tai laaja avainsanoja, joista monet ovat täysin merkityksettömiä.
- Vertaileva tai usean versio avainsanoja palata epäselvä tuloksia. -joukkueen Kapteeni leopardi, eläin, peli tai elokuvan nimi lisävaruste.
- On mahdollista, että löydät erittäin asiaa web-sivuja, jotka eivät ole suorassa valvonnassa paljon avainsanoja voi muistaa.

Tärkeimmät tekijät, jotka rajoittavat tehokkuutta syvä Web on hakukoneindeksoijat. Moderni hakukoneindeksoijat tai robotit eivät voi käyttää Web koska kaistanleveys rajoituksia. On tuhansia online-tietokantoja, korkea laatu, hyvin huollettu ja toimittaja skannaa voi antaa tietoa, mutta ei ole pääsyä indeksoijat.

Lähes kaikki hakukoneen avainsanan yhdistelmä on rajallinen kyseenalaistaa. Esimerkiksi Google ja Yahoo tarkennettua hakua lause tai tarkka ottelu voidaan tarjota mahdollisuuksia. Enemmän vaivaa ja aikaa tarvitaan olennaiset tiedot. Koska ihmisen käyttäytymiseen ja mahdollisuus muuttaa ajan, usein web-sivulle tulee päivittää vastaamaan näitä suuntauksia. On rajoitetusti tilaa moniulotteisen web tiedon louhinta, olemassa olevat tiedot, ja haku avainsanoihin perustuvan; luotamme vahvasti todellisiin tietoihin ei ole indeksoitu.

Mitään monimutkaisuus-Web monimutkaisuus kuin perinteinen tekstitiedostoja. Yhtenäisyyden puute standardointia Internet-sivuille, kuten perinteinen kirjoja ja tekstitiedostoja ovat hyvin yksinkertaisia ​​niiden johdonmukaisuutta. Lisäksi tapasi rajallinen kyky hakukoneille indeksointi Web-sivuja Etsi kaikki kuolevat data mining ei ehkä ole kovin tehotonta.

Lisäksi-Internet on erittäin dynaaminen ja kasvava lähteistä tietämyksen-Nopea tahti . Urheilu, uutiset, rahoitus, ja yritysten sivustot päivittää verkkosivuille tunneittain päivittäin. Profiilit eri edut ja tavoitteet tänään käyttää web tavoittaa miljoonia käyttäjiä. Tämä edellyttää hyvää tietoa kustakin, MUTTA kuokka asiaankuuluvat tiedot tehokkaasti ja täyttävät vähimmäisvaatimukset vaivaa ei saada takaisin.

On olemassa kolme yleistä lähestymistapaa tunnistaa laaja--käyttäjätiedot tallennetaan Internet:
Nämä rajoitukset ja haasteet tehokkaasti löytää ja käyttää Web resursseja on johtanut löytö. Olemme Web tiedonlouhinta liittyviä prosesseja aihe tarkemmin ja lähettää kysymyksiä.
.