基于Internet个性化信息检索技术的分析与研究(2)

^[7]-[8]     网络信息挖掘源于数据挖掘。数据挖掘就是指从大量数据(如数据库)中提取抽象的、潜在的有用信息的过程，它是数据库中知识发现KDD的核心，为大量数据的利用提供了有效的工具。数据挖掘的成功使研究人员将数据挖掘技术用于因特网，但是由于WWW上的数据不同于传统数据，故产生了一个新的研究方向—网络信息挖掘。     网络信息挖掘，又称为基于Web的数据挖掘，是从大量数据中抽取处先前未知的、完整的、可信的、新颖的、有效的信息的高级处理过程。它是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等方法得到数据对象间的内在特性，据此采用信息过滤技术在网络中提取用户感兴趣的信息或者更高层次的知识和规律来做关键的决策。网络信息挖掘其实就是对文档的内容、要利用资源的使用以及资源之间的关系进行分析。 网络信息挖掘分为Web日志挖掘、Web内容挖掘、Web结构挖掘。具体而言，Web日志挖掘是通过分析Web服务器的日志文件，对用户访问Web是服务器方留下的访问记录进行挖掘，从中可以得出用户的访问模式和访问兴趣，丈站点管理员提供各种利于Web站点改进或可以带来经济效益的信息。在个性让服务模型中，可以利用日志挖掘来“监视”用户的访问习惯，进行个性化分析处理。Web内容挖掘包括Web文本挖掘和多媒体信息挖掘:Web文本(包括text、html等)挖掘的目的是对页面信息进行聚类、分类和关联分析，以及利用Web文档进行趋势预测、分析等;多媒体信息挖掘是对多媒体文档(包括图像、声音、图片等媒体类型)的挖掘。Web结构挖掘是对Web页面超链接关系、文档内部结构、文档url种的目录路径结构的挖掘。     网络信息挖掘技术有着广泛的应用，尤其是Web的全球普及，使得Web上信息量无比丰富。Web上的信息主要是文档，一般是半结构化或者是纯自然语言文本，毫无结构，因此Web上的开采发现需要用到不同于常规数据开采的很多技术。在使用Web获取信息的过程中，用户需要不停地从一个Web站点通过超文本链接跳转到另一个站点，这种过程存在一定的普通性，发现此规律即是Web用户访问模式发现。理解Web上的用户访问模式有这些好处:辅助改进分布式网络系统的设计性能，如在有高度相关的站点间提供快速有效的访问通道;能帮助更好地组织设计Web主页;帮助改善市场营销决策，如把广告放在适当的Web页上或更好地理解客户的兴趣。这项技术将给信息检索领域带来革命性变化。 2.3信息推送技术^[9]-[11]     目前，人们从网上获取信息通常采用以下三种模式:信息推送(Information Push)，即由信源将信息主动推送给用户;信息拉取(Information Pull)，即由用户主动从信源拉取信息;推拉结合(Push and Pull)，即在信息获取过程中既有来自信源的推送也有用户自身的主动拉取. 一、信息推送模式，网上信息的推送主要采用下面几种方式: 1.频道式推送 频道式网络播送技术是目前网上普遍采用的一种推送方式，它将某些网页定义为浏览器中的频道，用户可以选择收看感兴趣的、通过网络播送的信息。 2.邮件式推送 用电子邮件方式主动将有关信息发布给列表中的用户。 3.网页式推送 在特定网页上将信息提供给感兴趣的用户。 4.专用式推送 通过机密的点对点通信方式，将指定的信息发送给专门的用户。 信息推送模式及时性好，应用面广，对用户没有技术上的要求，但信息针对性差，难以满足用户的个性化需求。 二、信息拉取模式 网上的信息拉取技术是数据库查询、检索技术的扩展。在因特网应用的早期，人们主要是在网上进行漫游和浏览，现在随着因特网应用的日渐深入，人们愈来愈迫切地希望能从因特网中快速获取自己所需的特定信息，各种“搜索引擎”应运而生。目前流行的搜索引擎主要有两类: 1.分类式搜索引擎 按网站的目录分类，对站点、网址及摘要信息进行搜索 2.全文检索式搜索引擎 提供全文检索功能，用户利用关键词可将与该词相关的各个网页的地址及相应的一段全文信息提取出来。 信息拉取模式针对性强，能满足用户的个性化需求，但及时性差，对用户要求较高。 三、信息推拉模式 信息推拉技术是将信息推送与拉取两种模式结合，使二者优势互补。根据推、拉结合顺序及结合方式的差异，又分以下四种不同推拉模式:   1.推后拉—先由信源及时推送公共信息，再由用户有针对性地拉取个性化信息; 2.拉后推—根据用户拉取的信息，信源进一步主动推送与之相关的信息; 3.推中有拉—在信息推送过程中，允许用户随时中断并定格在感兴趣的网页上，以拉取更有针对性的信息; 4.拉中有推—根据用户搜索(即拉取)过程中所用的关键字，信源主动推送相关的最新信息。 推送技术，就是根据用户的需求，有目的性地按时将用户感兴趣的信息主动发送到用户的计算机中，即实现“信息找用户”。     在推送技术问世之前，人们往往利用浏览器在因特网上搜寻，一方面，面对浩如烟海的信息，很多用户花费相当多时间和费用也难以“拉取”到自己所需要的信息;另一方面，信息发布者希望将信息及时、主动地发送到感兴趣的用户计算机中，而不是等着用户来拉取。     推送技术使服务器能够自动告诉用户系统中哪些信息是最新更新，并自动搜集用户可能发生兴趣的信息。通常，在网络服务器上有专门的推送软件产品可用来制作欲推送出去的信息内容，并播送出去。在客户端则利用安装在个人电脑中的软件，来接收从网络上传来的信息，并显示出来。当有新的信息需要提交时，“推送”软件会以发送Email、播放一个声音、在屏幕上显示一条消息等方式通知用户。使用Push技术，可以提高用户获取信息的及时性和有效性。     目前有两种基本的推送技术:自动推送技术和事件驱动技术。     自动推送即用户要求发送方按照预先约定的时间和定制提交新的信息。具体的实现步骤是:首先用户提出他们对某个特定的Web站点、某个专题感兴趣，或要求自动更新软件、数据;其次，信息发送方根据用户的请求，用推送软件的应用程序到特定或需要的Web站点寻找新的内容;如果自最近一次传送后，又输入了新的内容，该内容将被传送到位于推送应用程序“接收器”中的“频道”内;最后用户可以根据他们的设置查看自己定制的新内容或新链接;这种推送技术类似于现代情报检索中比较流行的定题资料选报服务。     事件驱动技术以规则为基础，这些规则由用户、推送管理员和发送方在设置时预先建立，可以是驻留在服务器的关键字过滤器，也可以是针对数据库检索的相关规则，该数据规定在x发生的情况下，Y必须传送到Z(Z可以是用户、服务器、存储设备、传真机或寻呼机)。基本思想是:推送管理方判断预先设置的规则是否发生，如发生则将相关信息或内容提交给用户。     自动推送和事件驱动技术二者最大的区别是:自动推送必须要求有一个明确的提交时间表，而事件驱动则是以事先确定的驱动规则为基础，存在一个内容与规则之间对应关系的中间层。事件驱动技术减少了信息的负载量，使信息流动的速度大大提高。     实际上，“推送”和“拉取”这两种技术是互为补充的。面对海量信息，要高效率、高质量地获取实用信息，将“推送”和“拉取”相结合的智能信息“推一拉”技术将会是未来网上信息获取技术的一个重要发展方向。在传统的Internet中，信息的传输是按“Pull”的模式进行的，服务器提供的服务是被动的;而采用“Push+Pull”的方式，服务器不仅要把信息推给客户，而且还能够按照客户预先设定的触发事件和发送要求，在条件满足时自动向客户发送消息。真正的个性化应该是动态而主动的，在最初的规则制定好之后，系统能够自动跟踪用户的使用倾向，因此，使用者在初次设定之后，他想要的东西系统已经自然而然地预先想到了。这样的个性化服务不再仅仅停留于大众化的娱乐性或专业性资讯信息的提供，而是把用户的许多个人业务处理加入了服务的范畴。这种新的个性化信息服务将成为一种深入到用户个人生活和工作的各个层面的辅助性工具。