web 挖掘是處理Internet 環(huán)境下數(shù)據(jù)挖掘的一個(gè)重要方向，本文在比較研究傳統(tǒng)web
挖掘方法的基礎(chǔ)上提出了一種基于危險(xiǎn)理論的web 挖掘新方法，該方法具有很強(qiáng)的自適應(yīng)性和更新能力，為web 挖掘領(lǐng)域提供了一種新的研究思路。
關(guān)鍵詞:危險(xiǎn)理論;人工免疫;web 挖掘
傳統(tǒng)的免疫學(xué)的核心功能就是具有區(qū)分“自我”與“非自我”( SNS) 的能力。目前，
免疫學(xué)界又普遍流傳著另外一個(gè)新的理論,那就是危險(xiǎn)理論。 這個(gè)理論認(rèn)為免疫系統(tǒng)并不是區(qū)分SNS ,而是區(qū)分危險(xiǎn)信號(hào)的有無(wú)[1]。 這就打破了長(zhǎng)久以來(lái)對(duì)自身免疫耐受的認(rèn)識(shí),并對(duì)傳統(tǒng)的SNS 理論提出嚴(yán)重質(zhì)疑。這個(gè)新的理論模式的提出對(duì)移植、腫瘤、胎兒、自身免疫響應(yīng)等諸多問(wèn)題做出非常好的解釋,并由此修正了傳統(tǒng)的免疫應(yīng)答系統(tǒng)。 目前危險(xiǎn)模式已引起各界學(xué)者的廣泛關(guān)注并產(chǎn)生了一系列的研究成果。
隨著Internet 的迅猛發(fā)展和普及，web 信息量飛速增長(zhǎng)，而這些信息中也有相當(dāng)一部分
是冗余甚至錯(cuò)誤的，如何自動(dòng)的從web 中發(fā)現(xiàn)、抽取和過(guò)濾信息，就成為了人們迫切關(guān)心的問(wèn)題。Web 挖掘是從web 文檔和web 活動(dòng)中發(fā)現(xiàn)、抽取潛在的、用戶感興趣的有用模式和隱藏知識(shí)的方法。目前已有很多web 挖掘方法的研究成果，包括基于XML 的web 挖掘方法，基于粗糙集的web 挖掘方法，基于核方法的web 挖掘方法等，但這些方法在面對(duì)Internet 這個(gè)復(fù)雜多變的環(huán)境和繁雜的數(shù)據(jù)更新時(shí)，在自適應(yīng)性和進(jìn)化更新方面顯的力不從心。經(jīng)研究發(fā)現(xiàn)，人工免疫原理與web 挖掘方法有極為相似之處，具體體現(xiàn)在：（1）分布式數(shù)據(jù)（2）變量數(shù)據(jù)的高百分比（3）大容量（4）數(shù)據(jù)質(zhì)量不等（5）數(shù)據(jù)多樣化。在此基礎(chǔ)上，本文提出一種基于危險(xiǎn)理論的web 挖掘新方法，希望為web 挖掘領(lǐng)域提供一種新的研究思路。