數據挖掘技術在Web預取中的應用探究

謝怡雯

摘要：隨著現代化技術發展速度的加快，互聯網技術廣泛應用普及，人們對互聯網訪問速度提出更高要求，Web預取優化已成為滿足用戶使用需求的主要渠道?；诖?，Web預取作為可以有效提高網絡服務質量的重要技術，為進一步優化其技術效果，該文結合數據挖掘技術及其應用優勢，重點探究Web預取中數據挖掘技術的應用，并分析其發展趨勢，以期為相關工作提供有效參考建議。

關鍵詞：Web預取??數據挖掘技術??網絡服務??網頁內容

中圖分類號：TP311.1;TP393.0文獻標識碼：A???文章編號：1672-3791（2022）07（b）-0000-00

Application?of?Data?Mining?Technology?in?Web?Prefetching

XIE?Yiwen

（Guiyang?University，Guiyang，Guizhou??Province，550001??China）

Abstract：?With?the?acceleration?of?the?development?speed?of?modern?technology?and?the?widespread?application?of?Internet?technology，?people?have?put?forward?higher?requirements?for?the?Internet?access?time.Based?on?this，?Web?pre-acquisition?serves?as?an?important?technology?that?can?effectively?improve?the?network?service?quality.?In?order?to?further?optimize?its?technical?effect，?this?paper?combines?the?data?mining?technology?and?its?application?advantages，?focuses?on?exploring?the?application?of?data?mining?technology?in?Web?prefetch，?and?analyzes?its?development?trend，?in?order?to?provide?effective?reference?and?suggestions?for?relevant?work.

Key?Words：Web?Prefetching;Data?mining?technology;Network?services;Web?content

人們生活質量的提高使網絡使用者數量呈明顯且高速的上升趨勢，在獲取相關信息或是交互時，受數據傳輸遲緩等方面的影響導致網絡服務質量降低，無法滿足當前人們日益擴大的網絡使用需求。而數據挖掘技術作為深層次數據挖掘技術，能夠有效優化Web預取，因此，掌握其應用要點是必要的。

1數據挖掘技術及應用優勢

所謂數據挖掘技術，主要是指面向數據所開展的清理、變換、挖掘、模式評估和知識表示等數據處理技術，是一種仿生全局優化方法[1]。通過將其應用于Web預取，能夠依托于自身優化性能提高Web預取數據準確性，幫助Web預取技術在海量信息中采用最高效搜索引擎查找自身所需信息?；ヂ摼W具有共享、開放、交互等特性，用戶在傳輸信息時，每分每秒都在產生著信息數據，傳統的篩選和搜索技術只面對一部分數據，數據篩選效果相對較差。但是通過在Web預取中落實數據挖掘技術，能夠利用其多種多樣的挖掘方式在短時間內處理海量數據，挖掘形式包括結構挖掘、內容挖掘和使用記錄數據挖掘。其中，內容挖掘應用最為廣泛。若是與人工智能技術模塊相結合，還能夠更為全面且準確地檢索信息，具有極強的直接利用性，無需篩選，節約時間成本的同時也保證了數據篩選質量。

2探究Web預取中數據挖掘技術的應用

2.1基于Agent的智能數據挖掘系統

由于互聯網的廣泛應用使得人們生活趨近于多樣性，網絡速度也在各類技術不斷發展下提高，但是由于使用人數越來越多，網絡質量仍不可避免的受到影響。比如：WWW運行使用的數據服務和請求方式，其中并沒有固定狀態的協議，所以網絡服務器發揮的作用有限。從當前Web預取技術來看，其采用的數據挖掘系統智能性不夠完善。因此，在應用數據挖掘技術時，可以在Agent技術的基礎上開展數據挖掘工作，結合系統特點賦予數據挖掘自動反應性、自治性和適應性，從而搭建出包含數據源、預處理、數據挖掘、決策和人機界面的數據挖掘結構，以此優化Web預取效果。其中，以Agent技術為基礎能夠在Web預取和數據處理過程中自動確定執行任務，并根據該任務進行相應模型的建立，以此應對海量數據檢索、處理和數據變換。在其實際應用過程中，能夠有效消除Web預取中的不安全數據、推導缺失數據、消除重復性記錄數據，并按照數據特征進行選擇以及轉換數據格式[2]。

除此之外，以Agent為基礎的智能數據挖掘還可以識別出完整的數據模式，確定新模式和新規則，給出數據挖掘解釋，協調數據挖掘、人機界面和數據預處理等方面，及時刪除冗余數據。其中，以Agent為基礎的智能數據挖掘在Web預取中的應用，還能夠調節數據處理過程、提高數據處理速度，這是因為該系統主要采用人工挖掘數據方式，促進了人機質量的良好交互。該系統還可以結合語法和語義功能模塊，在發現新數據時可以及時通知用戶，將查詢到的數據和挖掘結果及時傳遞給用戶。

2.2基于Agent的Web預取系統

在現有的一些瀏覽器中仍在使用緩沖機制，一方面控制遠程服務器發送頻率，另一方面控制用戶請求發送頻率，這對用戶網絡使用體驗造成極大影響。但是通過應用以Agent為基礎的Web預取系統，即圍繞智能數據挖掘系統進行Web預取系統的重塑，能夠將挖掘Agent、數據預處理Agent、知識庫、Cache、決策Agent等整合在結構中，從而利用數據挖掘技術分析和歸類不同用戶，預讀Web數據，以此提高網絡使用速度，優化用戶網絡使用體驗。在該系統實際應用過程中，主要處理WWW數據模型相關數據，抽取詞干，分類詞條。在數據挖掘模塊具體運作時，定期更新搜索的知識庫，同時為提高數據處理效率和效果，用戶可以更新時間設定，以此保證Web預取數據質量。另外，該系統的決策模塊還能夠實時監測用戶行為，根據瀏覽器數據痕跡分析用戶行為預測用戶動向，并將Web頁面存放至本地高速緩存中，供后續相關工作使用。而決策模塊主要是根據知識庫更新狀況調整增量算法，靈活調動數據挖掘時間，一方面增強了用戶行為和知識庫信息數據之間的同步性，另一方面也提高了系統運行效率，優化了Web預取效果[3]。

2.3瀏覽器模型改進和機器學習

對于在Web預取中應用數據挖掘技術而言，其核心是利用該技術算法改進原有系統的使用基礎，比如歷史數據訪問保存方式等。當用戶在Web上瀏覽時，改進后的瀏覽器模型可以使用預測模型保存用戶將要產生的訪問數據，同時于客戶端存儲網頁內容。在該情況下，若是用戶在瀏覽器后續使用過程中想要訪問相關頁面，可以直接提取本地緩存數據，從而保證服務器時刻處于較高的使用效率，優化用戶網絡使用體驗。從數據挖掘技術起源來看，其主要產生于智能學習和機器的不斷深入和改進。在個體差異性的影響下，不同用戶的網絡使用過程存在差異，而且，相較于其他網絡使用版塊，網頁瀏覽往往具有較強的隨意性，這種情況直接影響關聯規則計算結果的準確性，最終無法使用緩存數據，影響用戶網絡使用體驗。因此，在數據挖掘技術的應用過程中，仍要注重瀏覽器模型改進的持續性和機器學習的深入性，根據數據變化等對預測模型進行調整，進而保證預測結果的精準性，提高上網速度，滿足用戶網絡使用需求[4]。

另外，在以往Web預取沒有數據建模的情況，無法直接處理日志等數據，需要先將其轉化為可操作格式，之后方可對數據進行挑選，獲得所需數據。但是在數據挖掘技術的應用下，利用該技術的關聯算法能夠精準運算預處理后的數據，最終獲得數據模式集合。作為以計算機技術為基礎的現代化技術，能夠挖掘出Web海量數據中的隱藏信息，進而為相關決策和工作提供極具參考性的支持。一般情況下，關系規則算法應用于數據建模過程中，在該算法作用的發揮下，用戶興趣關聯規則將更為清晰的呈現出來，使相關工作人員掌握用戶網絡使用過程中的興趣偏好，進而將無用數據及時刪除，避免浪費資源的同時提高網絡服務質量。此外，為提高算法簡單程度，還可以在數據模型創建過程中省去用戶興趣關聯性這一步驟，直接使用關聯分析法，但是該方法無法準確地挖掘數據信息，所以主要應用于事先預測環節。要想保證用戶行為預測結果具有較高精準性，那么要做好模型參數和算法的實時調試工作，并及時存儲預測結果，以此更好地掌握用戶行為。

2.4電子商務領域的應用

由于用戶所需數據存在差異，所以Web預取在使用數據挖掘技術時需要充分考慮用戶對數據的實際需求，根據數據類別添加和篩選相關數據元素。近年來，在新零售行業的轉型發展下，以互聯網技術為基礎的網絡購物已經成為人們主要的消費購物方式，這一新型的購物模式促使電子商務進入高速發展階段，由于該行業門檻相對較低，因而該領域市場競爭程度較為激烈[5]。在該情況下，相關企業為提升自身核心競爭力，采用Web預取技術檢索相關數據以期擴大客戶資源，但是由于數據量龐大，檢索效果相對較差，因此，數據挖掘技術被應用于Web預取中。由于用戶在網絡購物前會使用搜索引擎檢索商品信息，在數據挖掘技術的應用下，企業可以獲得此類數據，并通過優化和處理掌握用戶需求，一方面增強信息推送的精準性，另一方面提高用戶挖掘質量和效率。在該領域，數據挖掘技術主要應用于兩個方面：一是用戶點擊量，二是用戶歷史消費記錄和瀏覽記錄。通過從海量數據中挖掘此類數據，能夠幫助企業掌握用戶行為并預測，在實際處理過程中，先是從服務器中獲取數據，之后合并、提取和集合數據，并對其進行相關度的清洗和有效性的過濾，以此保證數據處理結果符合要求，清除不必要信息，最后轉換數據，優化Web預取方式效率[6]。

除電子商務領域外，以數據挖掘技術為核心的Web預取系統還可以廣泛應用于其他與Web有關的領域，比如組織單位日常運營，將互聯網和局域網相連接，不僅能夠拓展數據來源，還能夠使內外部信息傳輸的安全、流暢。

3?分析Web預取中數據挖掘技術的應用發展趨勢

從當前搜索引擎公司發展現狀來看，針對人們日益提高的網絡使用要求和需求，有關生活中搜索引擎的重視程度不斷提高。對于互聯網的使用而言，搜索引擎是重要構成，是人們獲取相關資訊、知識和信息的主要方法，但是搜索引擎眾多，不同引擎的內在機制存在差異，最終會帶來搜索結果的差別，因此，人們在實際使用過程中，往往會根據自身習慣和信息數據種類選擇不同搜索引擎。就目前Web預取中數據挖掘發展現狀來看，用戶更加關注數據的相關性，“關鍵詞”已成為搜索關鍵，與其有關的信息和數據會排至最前面，當用戶訪問其中一個頁面時，Web會預測相關訪問信息，并將其預下載于服務器中，若是用戶點擊瀏覽，將無需緩沖直接跳轉，用戶網絡使用速度得到極大提高[7]。

但是，在Web實際運作過程中，并不會對所有相關信息進行緩存，因此，在今后應用發展過程中，應更為深入地研究算法計算，優化數據模型，利用高技術彌補空間布局性的缺陷。另外，數據挖掘技術還具有較大上升、發展空間，相關人員應根據互聯網技術發展趨勢不斷研究數據挖掘技術，進而在規范的互聯網行業下，實現互聯網制度和數據挖掘技術發展的聯動，一方面給予其充分的制度保障，另一方面利用不斷提高的應用水平提高互聯網使用效果，進一步優化用戶體驗。

4結語

綜上所述，數據挖掘技術作為數據處理的關鍵技術，通過將其應用于Web預取中能夠提高數據處理質量和效率，為用戶提供更好的網絡使用服務。在其實際應用過程中，要以Agent為基礎構建智能化數據挖掘系統，并不斷更新數據庫等，以此提高挖掘深度。

參考文獻

[1] 劉張榕.基于E-OEM模型的Web數據精準挖掘研究[J].微型電腦應用，2021，37（10）：146-149，164.

[2] 蒲道北.基于Web的數據挖掘模型研究[J].中國新通信，2021，23（19）：64-65.

[3] 王志俊.試論數據挖掘技術在Web預取中的應用[J].科技資訊，2019，17（21）：19-20.

[4] 邢雅菲.基于CP-ABE加密數據的緩存策略與預取模型研究[D].上海：華東師范大學，2019.

[5] 王順平.數據挖掘技術與應用探討[J].?電腦知識與技術，2017，13（19）：6-7.

[6] 高垣，佀潔.大數據時代的數據挖掘技術探析[J].?電子測試，2018（4）：125-126.

[7] 劉振鵬，董姝慧，李澤園，等.?面向社交網絡數據的等差數列聚類匿名算法[J].?鄭州大學學報：理學版，2022，54（1）：41-47.