摘要：一种面向电子商务的异构数据分析技术

跟着互联网络本领的兴盛和B2C形式的电子商务网站的普遍，越来越多的用户采用经过互联网络欣赏商品消息并举行买卖。电子商务所带来的长处是不言而喻的：可采用的商品数目宏大于保守的购置形式，经过一定的要害词查问不妨透彻定位某一个产物汇合，网站对商品革新消息的推送越发具备准时性。与此同声，B2C电子商务网站也有确定的控制性，同一个商品消息零落的分别在多家用电器商网站中，径直经过保守探求引擎很罕见到探求截止的一致合集，这就为电子商务用户的本质运用形成了未便。正文以接洽电商网站页面为突破点，针当面向电子商务的异构数据举行了一系列的接洽，提出了一套囊括数据获得、领会、纠错和展现在前的数据领会本领。正文对处置检索数据分别和异构的题目举行了表面接洽，并经过试验举行了考证。正文重要阐明实质如次：1. 提出鉴于词法领会和网页构造的页面中心关系性领会。这种领会本领贯串了词法领会和页面构造领会，经过词法领会考证页面文本与中心的关系度，而且经过在URL过滤的普通上对页面构造举行二次考证的办法，过滤出中心与电子商务网站关系性极高的页面地方，优化数据获得的功效。领会尝试表白，上述本领在数据获得阶段不妨灵验地检验和测定出中心强关系的页面。2. 提出鉴于简化Dom Tree数据裁剪战略的页面数据索取本领。经过对网页文本构造举行建立和剪枝，制止无干数据实质感化数据领会中要害消息的获得，提高了领会的速率和精确度。同声引入白名单体制，保证不妨经过人为干涉的办法保护数据的精确性。领会尝试表白，上述本领不妨明显提高页面领会功效，同声数据丢失维持在可接收的范畴内。3. 提出鉴于要害词模子的关系数据索取战略，在简化Dom Tree模子的普通上，运用左右文比对的本领，索取出具备价格的非构造化数据。领会尝试表白，上述本领所赢得的文本消息不妨动作数据领会的弥补实质，具备很高的参考价格。4. 沿用人为干涉体制与机动领会相贯串的办法，对异构数据举行领会。正文安排并实行了一种沿用B/S形式的人机交互东西，进而灵验地对异构数据页面举行数据考证和归一化处置。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/262000.html