DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
XML 與面向 Web 的資料探勘技術深度解析
編輯:XML詳解     

網路上存在著海量的資料資訊,如何對這些資料進行複雜應用,已成為今日資料庫技術的研究焦點。資料探勘(Data Mining)旨在從大量資料中發現隱含的規律性內容,解決資料的應用質量問題——充分利用有用資料、剔除虛假無用資料,正是資料探勘最重要的應用。相對於網路資料而言,傳統資料庫中的資料結構性很強,屬於完全結構化資料;而網路上的資料,其最大特點恰恰是「半結構化」。所謂半結構化,是相對於傳統資料庫中的完全結構化資料而言。顯而易見,面向 Web 的資料探勘,比面向單一資料倉庫的資料探勘要複雜得多。

面向 Web 資料探勘面臨的挑戰

1. 異構資料庫環境

從資料庫研究的角度出發,網路網站上的資訊也可視為一個資料庫,一個更大、更複雜的資料庫。網路上的每個站點都是一個資料源,且彼此異構,各站點之間的資訊與組織方式都不相同,從而構成一個龐大的異構資料庫環境。若想利用這些資料進行探勘,首先必須研究站點間異構資料的整合問題——唯有把各站點的資料整合起來,為用戶提供統一的視圖,才有可能從龐大的資料資源中擷取所需。其次,還得解決 Web 上的資料查詢問題,因為若所需資料無法有效取得,後續的分析、整合與處理便無從談起。

2. 半結構化的資料結構

Web 上的資料與傳統資料庫不同:後者都有特定的資料模型,可依模型具體描述資料;而 Web 上的資料極為複雜,沒有特定的模型描述,各站點各自獨立設計,資料本身還具有自述性與動態可變性。因此,Web 上的資料雖具備一定的結構性,卻因自述層次的存在而成為非完全結構化資料,這便是所謂的半結構化資料——它是 Web 資料的最大特點。

3. 解決半結構化資料源問題

Web 資料探勘技術,首要解決的是半結構化資料源模型,以及半結構化資料模型的查詢與整合問題。要處理 Web 上異構資料的整合與查詢,就必須有個模型來清晰描述 Web 資料。針對 Web 資料半結構化的特點,尋找一個合適的半結構化資料模型,是解決問題的關鍵。除了定義半結構化資料模型外,還需要一種半結構化模型擷取技術,即自動從既有資料中抽取半結構化模型的技術。面向 Web 的資料探勘,必須以半結構化模型與半結構化模型擷取技術為前提。

XML 與 Web 資料探勘技術

以 XML 為基礎的新一代 WWW 環境是直接面向 Web 資料的,它既能良好兼容既有的 Web 應用,又能更好地實現 Web 中的資訊共享與交換。XML 可視為一種半結構化的資料模型,能輕易地把 XML 文檔描述與關聯式資料庫中的屬性一一對應,從而實施精確的查詢與模型擷取。

1. XML 的產生與發展

XML(eXtensible Markup Language)由全球資訊網協會(W3C)設計,是特別為 Web 應用服務的 SGML(Standard Generalized Markup Language)的一個重要分支。總的來說,XML 是一種中介標示語言(Meta-markup Language),提供描述結構化資料的格式;更具體地說,它是一種類似 HTML、被設計用來描述資料的語言。XML 提供了一種獨立的程式執行方式來共享資料,是一種能自動描述資訊的新標準語言,它使電腦通信把網際網路的功能從資訊傳遞擴大到人類更多元的活動之中。XML 由若干規則組成,這些規則可用於建立標記語言,並能以一種稱為「解析程式」的簡潔程式來處理所有新建的標記語言。正如 HTML 為使用者閱讀網際網路文檔提供了顯示方式,XML 也創造了一種人人都能讀寫的「世界語」。XML 解決了 HTML 無法解決的兩個 Web 問題:一是網路發展快而接入慢的問題,二是可用資訊繁多卻難以找到所需部分的問題。XML 能增加結構與語義資訊,讓電腦與伺服器得以即時處理多種形式的資訊,因此運用 XML 的擴展功能,不僅能從 Web 伺服器下載大量資訊,還能大幅減少網路流量。

XML 中的標記(TAG)並未預先定義,使用者必須自訂所需的標記,因此 XML 是一種能自我描述(Self-Describing)的語言。XML 使用 DTD(文件類型定義)來呈現這些資料;XSL(eXtensible Style Sheet Language)則是描述這些文檔如何顯示的機制,可視為 XML 的樣式表描述語言。XSL 的歷史甚至比 HTML 所用的 CSS(層疊式樣式表)還悠久,它包含兩部分:一個用來轉換 XML 文檔的方法,一個用來格式化 XML 文檔的方法。XLL(eXtensible Link Language)是 XML 的連結語言,提供 XML 中的連結,功能比 HTML 更強大——使用 XLL,可以多向連結,且連結能存在於物件層級,而不僅限於頁面層級。由於 XML 能標記更多資訊,使用者便能輕鬆找到所需內容。藉由 XML,Web 設計者不僅能建立文字與圖形,還能構建文檔類型定義的多層次、相互依存系統、資料樹、資料、超連結結構與樣式表。

2. XML 的主要特點

正是 XML 的特點,決定了它卓越的表現。作為一種標記語言,XML 具備以下特點:

(1)簡單。XML 經精心設計,整個規範簡單明瞭,由若干規則組成,可用於建立標記語言,並能以解析程式處理所有新建的標記語言。XML 能創造一種人人都能讀寫的世界語,這種功能稱為統一性功能,例如 XML 建立的標記總是成對出現,並依靠統一代碼的新編碼標準。

(2)開放。XML 是 SGML 在市場上眾多成熟軟體的基礎,開放式標準 XML 建立在經過驗證的標準技術之上,並針對網路做了最佳化。眾多業界頂尖公司與 W3C 工作小組並肩合作,確保跨系統、跨瀏覽器的互通性。XML 解析器可以程式化地載入一份 XML 文檔,載入後用戶便能透過 XML 文檔物件模型擷取並操作整個文檔的資訊,加快網路運行速度。

(3)高效且可擴充。XML 支援文件片段的複用,使用者可發明並使用自己的標籤,也可與他人共享,延伸性極大——在 XML 中,可以定義近乎無限的標註組。XML 提供了一個標示結構化資料的架構,一個 XML 元件可以宣告與其相關的資料為零售價、營業稅、書名、數量或其他任何資料元素。隨著全球越來越多機構採用 XML 標準,相關功能也將層出不窮:資料一旦被鎖定,便能以任何方式傳遞,並在瀏覽器中呈現,或轉交其他應用程式進一步處理。XML 提供了一種獨立的程式執行方式來共享資料,使用 DTD,不同群組的人便能以共同的 DTD 交換資料,並據此驗證接收到的資料是否有效。

(4)國際化。XML 標準國際化,支援世界上大多數文字,這源於它所依賴的統一代碼新編碼標準,該標準支援以主要語言撰寫的混合文字。在 HTML 中,一份文檔通常以單一語言寫成,若使用者的軟體無法閱讀該語言的字元,便無法使用該文檔;而能閱讀 XML 的軟體則能順利處理這些不同語言字元的任意組合。因此,XML 不僅能在不同電腦系統之間交換資訊,還能跨越國界與文化疆界交換資訊。

3. XML 在 Web 資料探勘中的應用

XML 已成為正式規範,開發者能以 XML 格式標記並交換資料。XML 在三層架構上為資料處理提供了良好方法:使用可升級的三層模型,XML 可以從既有資料中產生,並把結構化資料從商業規範與表現形式中分離出來。資料的整合、發送、處理與顯示,構成了整個流程的每一個環節。

推動 XML 應用的,是那些用標準 HTML 難以完成的 Web 應用,大致可分為四類:需要 Web 客戶端在兩個或多個異質資料庫之間溝通的應用;試圖把大部分處理負載從 Web 伺服器轉移到客戶端的應用;需要客戶端把同樣的資料以不同瀏覽形式提供給不同用戶的應用;以及需要智慧型 Web 代理依個人需求裁剪資訊內容的應用。這些應用與 Web 資料探勘技術息息相關,基於 Web 的資料探勘正須仰賴它們來實現。

XML 賦予了基於 Web 的應用軟體強大的功能與靈活性,為開發者與用戶帶來諸多益處。比方說,它能實現更有意義的搜尋,且 Web 資料可被 XML 唯一標識。沒有 XML,搜尋軟體必須了解每個資料庫的構建方式,但這實際上做不到,因為每個資料庫描述資料的格式幾乎都不同;由於異源資料整合的難題,搜尋多樣而不相容的資料庫幾乎是不可能的。而 XML 能使不同來源的結構化資料輕易結合:軟體代理可在中間層伺服器上,對來自後端資料庫與其他應用的資料進行整合,再把資料送往客戶端或其他伺服器進一步彙整、處理與分發。XML 的擴展性與靈活性,讓它能描述從擷取的 Web 頁到資料記錄等各類應用軟體中的資料;同時,由於基於 XML 的資料是自我描述的,資料無須內部描述即可被交換與處理。

利用 XML,使用者能便捷地進行本地運算與處理:XML 格式的資料傳到客戶端後,客戶端可用應用軟體解析、編輯與處理資料,也能用不同方式呈現,而不僅僅是顯示。XML 文檔物件模型(DOM)允許以腳本或其他程式語言處理資料,資料運算無須回到伺服器即可完成。XML 也能把使用者檢視資料的介面分離出來,以簡單、靈活、開放的格式,為 Web 打造原本只能建立在高端資料庫上的強大應用。此外,資料傳到桌面後,還能以多種方式顯示。

XML 還能以簡單、開放、可擴展的方式描述結構化資料,補充了 HTML:HTML 描述資料的外觀,XML 則描述資料本身。由於顯示與內容分離,XML 定義的資料允許指定不同的顯示方式,讓資料更合理地呈現,本地的資料能依客戶端配置、使用者選擇或其他標準動態表現,CSS 與 XSL 則為資料顯示提供了發布機制。透過 XML,資料可以「顆粒化」更新:每當部分資料變動,無須重發整個結構化資料,只要把變動的元素從伺服器傳給客戶端,資料便能不必刷新整個介面就顯示出來——而在目前,只要一筆資料變動,整個頁面都得重建,這嚴重限制了伺服器的升級效能。XML 也允許加入其他資料(例如預測溫度),這些資訊能進入既有頁面,而無須瀏覽器重新發出一個新頁面。

XML 也應用於把大量運算負載分散到客戶端:客戶可依自身需求選擇並製作不同的應用程式來處理資料,伺服器只需發出同一份 XML 檔。若按傳統的「Client/Server」模式,客戶向伺服器發出不同請求、伺服器分別回應,不僅加重伺服器負擔,管理者還得事先調查各種用戶需求並做出對應程式;一旦用戶需求繁雜多變,把所有業務邏輯集中在伺服器端便不再合適,因為伺服器端程式人員可能來不及滿足眾多需求、跟不上變化,雙方都很被動。採用 XML,則把處理資料的主動權交給客戶,伺服器只需盡可能完善、準確地把資料封裝進 XML 檔,可謂各取所需、各司其職。XML 的自我描述性,讓客戶端在收到資料的同時也理解資料的邏輯結構與含義,從而使廣泛而通用的分散式運算成為可能。

XML 還被應用於網路代理,以便對取得的資訊進行編輯、增刪,以適應個人用戶的需要。有些客戶取得資料並非為了直接使用,而是為了依需求組織自己的資料庫。比方說,教育部門要建立一個龐大的題庫,考試時從題庫取出若干題目組成試卷,再封裝進 XML 檔;接著讓各校透過一個過濾器濾掉所有答案,再發送到考生面前,未經過濾的內容則可直接送到教師手中,考試結束後還可再傳一份答案彙編。此外,XML 檔中還能包含難度係數、往年錯誤率等相關資訊,如此一來,只需幾個小程式,同一份 XML 檔便能變成多份檔,傳送到不同用戶手中。

結語

面向 Web 的資料探勘是一項複雜的技術,由於它比單一資料倉庫的探勘複雜得多,一直是一道難題;而 XML 的出現,為破解這道難題帶來了契機。由於 XML 能使不同來源的結構化資料輕易結合,讓搜尋多樣而不相容的資料庫成為可能,為 Web 資料探勘帶來了希望。XML 的擴展性與靈活性,讓它能描述各類應用軟體中的資料,從 Web 頁到資料記錄無所不包;同時,由於基於 XML 的資料是自我描述的,資料無須內部描述即可被交換與處理。作為表示結構化資料的一項工業標準,XML 為組織、軟體開發者、Web 站點與終端使用者帶來了諸多便利。相信隨著 XML 成為 Web 上交換資料的標準方式,面向 Web 的資料探勘將變得愈發輕鬆。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved