Web數(shù)據(jù)庫當(dāng)前研究與應(yīng)用現(xiàn)狀概述

摘要：Web數(shù)據(jù)庫是當(dāng)前研究是熱點方向之一，其應(yīng)用的范圍和程度也相當(dāng)廣泛，幾乎涉及到各個行業(yè)。本文對當(dāng)前Web數(shù)據(jù)庫的研究與應(yīng)用做一個梳理，以得到一個較清楚的認(rèn)識。

關(guān)鍵詞：Web數(shù)據(jù)庫；研究；應(yīng)用

中圖分類號：TP311文獻(xiàn)標(biāo)識碼：A文章編號：1007-9599 (2012) 07-0000-02

隨著Internet的飛速發(fā)展，網(wǎng)上的數(shù)據(jù)資源空前豐富，數(shù)據(jù)的傳播速度也在迅速增加?！癢eb數(shù)據(jù)挖掘是從WWW資源上抽取信息（或知識）的過程，Web是對WWW資源中蘊(yùn)涵的、未知的、有潛在應(yīng)用價值的模式的提取。它反復(fù)使用多種數(shù)據(jù)挖掘算法從觀測數(shù)據(jù)中確定模式或合理模型，是將數(shù)據(jù)挖掘技術(shù)和理論應(yīng)用于對WWW資源進(jìn)行挖掘的一個新興的研究領(lǐng)域?！盵1]基于此，本文從Web數(shù)據(jù)庫的研究與應(yīng)用做一下概述。

一、關(guān)于Web數(shù)據(jù)庫的研究

對于Web數(shù)據(jù)庫的研究，學(xué)術(shù)界主要集中在對Web數(shù)據(jù)的挖掘方面，包括Web數(shù)據(jù)挖掘的內(nèi)容、Web數(shù)據(jù)挖掘的結(jié)構(gòu)和Web數(shù)據(jù)挖掘的使用。

（一）Web數(shù)據(jù)挖掘的內(nèi)容

“Web挖掘就是運(yùn)用數(shù)據(jù)挖掘技術(shù)在Web文檔與服務(wù)器自動發(fā)現(xiàn)并提取有用信息。它是數(shù)據(jù)庫、信息檢索、人工智能、機(jī)器學(xué)習(xí)與自然語言處理等幾個相關(guān)研究領(lǐng)域的聚合?！盵2]

在內(nèi)容挖掘上，它是對大量文檔的集合進(jìn)行總結(jié)、分類和分析并獲取有用信息，它實際上是將數(shù)據(jù)挖掘技術(shù)應(yīng)用在計算機(jī)網(wǎng)絡(luò)上進(jìn)行信息處理。對象主要是針對網(wǎng)上的各種非結(jié)構(gòu)化數(shù)據(jù)，如文本數(shù)據(jù)、音頻數(shù)據(jù)、圖形數(shù)據(jù)等多媒體數(shù)據(jù)進(jìn)行處理，包括文本信息和多媒體信息的挖掘。目前，對Web數(shù)據(jù)挖掘的內(nèi)容一般有兩個觀點，一是從資源（IR）查找來看，“Web內(nèi)容挖掘的任務(wù)是從用戶的角度出發(fā)，怎樣提高信息質(zhì)量和幫助用戶過濾信息?！倍菑臄?shù)據(jù)庫(DB)來看，“Web內(nèi)容挖掘的任務(wù)主要是試圖對Web上的數(shù)據(jù)進(jìn)行集成、建模，以支持對Web數(shù)據(jù)的復(fù)雜查詢?！?/p>

在結(jié)構(gòu)挖掘上，Web結(jié)構(gòu)挖掘通過分析一個網(wǎng)頁的鏈接和被鏈接的數(shù)量以及對象建立Web自身的鏈接結(jié)構(gòu)模式，以從WWW的組織結(jié)構(gòu)和鏈接關(guān)系中找到有用的信息，并推到出知識。它不僅包括在頁面間采用一種超鏈接的方法，從一個頁面指向另一個頁面的超鏈接，也包括以HTML或XML表示的樹形結(jié)構(gòu)，文檔URL的目錄路徑結(jié)構(gòu)，WWW中含有豐富的信息，用戶需要根據(jù)自己的需要去尋找相關(guān)信息。Web結(jié)構(gòu)挖掘有著廣泛的應(yīng)用，主要有：指導(dǎo)采集網(wǎng)頁、聚類檢索結(jié)果、識別社區(qū)團(tuán)體、自動分類資源等。

在使用挖掘上，它用于預(yù)測用戶在Web上交互式信息查詢中的行為，可以幫助用戶更有效地找到信息，還可以幫助優(yōu)化資源的分配。根據(jù)應(yīng)用的不同，可以將Web使用挖掘分為兩種主要傾向，即：一般的訪問模式跟蹤與定制的訪問模式跟蹤?！耙话愕脑L問模式跟蹤通過分析Web訪問日志來理解訪問模式與傾向，利用這些分析可以清楚地給出較好的Web結(jié)構(gòu)及資源提供者的分組情況。”“定制使用跟蹤可以分析個人的嗜好與傾向，在顯示的信息，網(wǎng)站的結(jié)構(gòu)與資源的格式等方面進(jìn)行動態(tài)地定制以為每個用戶構(gòu)建符合其個人特色的Web站點?！蓖诰蜻^程分為四個階段：數(shù)據(jù)采集，預(yù)處理，模式發(fā)現(xiàn)，模式分析。“根據(jù)對數(shù)據(jù)源的不同處理方法，Web用法挖掘可以分為兩類，一類是將Web使用記錄的數(shù)據(jù)轉(zhuǎn)換并傳遞進(jìn)傳統(tǒng)的關(guān)系表里，再使用數(shù)據(jù)挖掘算法對關(guān)系表中的數(shù)據(jù)進(jìn)行常規(guī)挖掘；另一類是將Web使用記錄的數(shù)據(jù)直接預(yù)處理再進(jìn)行挖掘。”

（二）Web數(shù)據(jù)挖掘的特點

半結(jié)構(gòu)化特點：所謂半結(jié)構(gòu)化是相對于結(jié)構(gòu)化和非結(jié)構(gòu)化而言的。半結(jié)構(gòu)化數(shù)據(jù)模式有以下特征：

（1）先有數(shù)據(jù)，后有模式。

（2）半結(jié)構(gòu)化數(shù)據(jù)的模式是用于描述數(shù)據(jù)的結(jié)構(gòu)信息，而不是對數(shù)據(jù)結(jié)構(gòu)進(jìn)行強(qiáng)制性的約束。

（3）半結(jié)構(gòu)化數(shù)據(jù)的模式是非精確的，它只可能描述數(shù)據(jù)的一部分結(jié)構(gòu)也可能根據(jù)數(shù)據(jù)處理的不同階段的視角不同而異。

（4）半結(jié)構(gòu)化數(shù)據(jù)的模式可能規(guī)模很大，甚至超過源數(shù)據(jù)的規(guī)模，而且會由于數(shù)據(jù)的不斷更新而處于動態(tài)變化過程中。[3]

二、關(guān)于Web數(shù)據(jù)庫的應(yīng)用

Web數(shù)據(jù)的應(yīng)用范圍非常廣泛，可以說滲透到了人們學(xué)習(xí)工作生活的各個角落，而且以此為基礎(chǔ)，開發(fā)出了各種程序，大大提高了人們的工作效率，方便了人們的生活。本文以幾個例子來簡單闡述Web數(shù)據(jù)的應(yīng)用情況：

（一）Web數(shù)據(jù)在網(wǎng)絡(luò)教學(xué)中的應(yīng)用

計算機(jī)應(yīng)用到教學(xué)領(lǐng)域，使教學(xué)模式、教學(xué)思想、教學(xué)過程、教學(xué)方法、乃至教學(xué)的組織都發(fā)生了重大的變革。作為一種新的教學(xué)方式，計算機(jī)網(wǎng)絡(luò)教學(xué)不受時空限制的，并且是交互式和圖文并茂的，可以讓學(xué)生更直觀地理解和領(lǐng)會教學(xué)的內(nèi)容，而且最大優(yōu)勢是可以實現(xiàn)遠(yuǎn)程教學(xué)。

首先，Web網(wǎng)絡(luò)教學(xué)系統(tǒng)的結(jié)構(gòu)框架和設(shè)計，以教學(xué)課件模型設(shè)計及環(huán)節(jié)的功能和相互關(guān)系為中心。課件的設(shè)計要考慮參與教學(xué)活動的主體(人、計算機(jī)或者兩者的結(jié)合)，也要考慮到客體，即數(shù)據(jù)的存儲，數(shù)據(jù)流和控制流的設(shè)計，而系統(tǒng)指導(dǎo)和知識庫是課件設(shè)計中的核心環(huán)節(jié)。[4]課件設(shè)計通常是經(jīng)過總體設(shè)計和框面設(shè)計這兩個不同的階段完成?？傮w設(shè)計主要包括設(shè)計前的準(zhǔn)備、教學(xué)目標(biāo)及其分析、課件略圖?？蛎嬖O(shè)計主要有前言框面、章節(jié)框面、內(nèi)容框面、練習(xí)框面、術(shù)語概念框面等。

其次，在實現(xiàn)網(wǎng)絡(luò)教學(xué)的Web環(huán)境中，這種教學(xué)模型的系統(tǒng)邏輯構(gòu)成。在模型的基本框架設(shè)計好后，需要在實際當(dāng)中去檢驗它的穩(wěn)定性。整個系統(tǒng)由4層組成：客戶層、頂端Web服務(wù)層、應(yīng)用服務(wù)層和數(shù)據(jù)庫層，它們分別實現(xiàn)用戶(教師和學(xué)生)界面、代理/緩存、業(yè)務(wù)邏輯和持續(xù)存儲的功能。

（二）Web數(shù)據(jù)在電子報紙、雜志中的應(yīng)用

傳統(tǒng)報紙和雜志的編輯、出版和發(fā)行是通過報社或雜志社依靠人工方式進(jìn)行的。在傳統(tǒng)方式下，雜志、報紙的收稿、編輯、排版、印刷、銷售等過程較緩慢，周期長，資源的浪費大，所有這些都是傳統(tǒng)報紙和雜志存在的缺點。在信息高速發(fā)展的當(dāng)今社會，網(wǎng)絡(luò)和Web數(shù)據(jù)庫技術(shù)發(fā)揮著重要作用。

電子報紙系統(tǒng)對改變報社或雜志社的傳統(tǒng)工作方式于流程是一次變革與創(chuàng)新，真正實現(xiàn)了報紙、雜志管理的自動化和辦公的自動化。按電子報紙和電子雜志的應(yīng)用需求，報社和雜志社應(yīng)將其所有資料以計算機(jī)信息的形式存儲在數(shù)據(jù)庫中，不同時期的信息可以長期保存，并共讀者隨時查詢和存取。

通過計算機(jī)網(wǎng)絡(luò)，讀者不僅可以通過電子報紙和雜志網(wǎng)頁查詢頁面，閱讀上面的內(nèi)容，從網(wǎng)上獲取最新信息和重要資料，還可以通過網(wǎng)絡(luò)投稿、聊天，參與電子報紙組織的各種活動。

電子報紙軟件系統(tǒng)由前臺瀏覽和后臺管理兩個模塊組成。前臺瀏覽將報社每天的報紙內(nèi)容以網(wǎng)頁的形式發(fā)布在網(wǎng)上，讀者看到的不再是一張張報紙，取而代之的是一個個網(wǎng)頁，通過瀏覽網(wǎng)頁內(nèi)容，鏈接可閱覽的所有內(nèi)容，也可以參加BBS的討論，發(fā)表自己的觀點和意見，查看他人的評論。

電子報紙的后臺管理是工作人員的主要工作之一，包括投稿、編輯、審稿、定稿、增加欄目、進(jìn)行網(wǎng)上調(diào)查等。

（三）web數(shù)據(jù)在電子商務(wù)系統(tǒng)中的應(yīng)用

電子商務(wù)是作為信息經(jīng)濟(jì)社會中一種新型商業(yè)運(yùn)作方式，隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，電子商務(wù)也得到了飛速發(fā)展。它是基于Internet，包括從銷售、市場到商業(yè)信息管理的全過程。

按交易活動的主體不同，電子商務(wù)系統(tǒng)可分為商業(yè)機(jī)構(gòu)之間的電子商務(wù)（B2B）、電子商務(wù)的集成（B2BI）、商業(yè)機(jī)構(gòu)對消費者的電子商務(wù)（B2C）、消費者對行政機(jī)構(gòu)的電子商務(wù)（C2A）。

電子商務(wù)是在網(wǎng)絡(luò)環(huán)境下設(shè)計和運(yùn)行的，對網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)模型有很高的要求，需要充分考慮到當(dāng)前的業(yè)務(wù)需求和企業(yè)的發(fā)展方向，使網(wǎng)絡(luò)建設(shè)具有實用性、靈活性和先進(jìn)性，并且要保證其安全性。

三、結(jié)語

Web數(shù)據(jù)庫技術(shù)還在迅速發(fā)展，已經(jīng)成為當(dāng)代人學(xué)習(xí)、工作、生活中不可或缺的重要部分，本文僅就其發(fā)展及應(yīng)用現(xiàn)狀，以較為典型的例子做一個說明。

參考文獻(xiàn)：

[1]丁瑾.基于Web數(shù)據(jù)挖掘的綜述[J].科技情報開發(fā)與經(jīng)濟(jì)，2004，14，12

[2]蔣望東，黃發(fā)良.基于WEB的數(shù)據(jù)挖掘研究綜述[J].湖南工程學(xué)院學(xué)報，2007，3

[3]徐旭，姜飛.基于Web數(shù)據(jù)挖掘簡述[J].福建電腦，2008，6

[4]楊厚群.基于Web的網(wǎng)絡(luò)教學(xué)系統(tǒng)[J].海南大學(xué)學(xué)報(自然科學(xué)版)，2001，12