快速数据挖掘数据分析实战RapidMiner工具应用第13章 Web挖掘V1.1.pdf

13.1 应用场景  舆情分析、企业竞争对手分析  互联网专业信息收集  … 13.2 学习目标 在学习完本章后，您应能够：   解释什么是web挖掘、如何使用web挖掘，以及使用web挖掘有哪些好处。   识别web挖掘可能采取的各种格式，以便进行web挖掘。   连接至web url，并将其导入为web挖掘模型的数据来源。   在 RapidMiner 中开发一个web挖掘模型   对web挖掘结果进行信息抽取、转储。 13.3 概览 本章介绍web挖掘。由于大部分交流信息多数出现在互联网上，且以文本格式保存，web挖掘是挖掘中的一个重要领域。我们将建立一个RapidMiner挖掘流程，来学习如何通过连接到生物医学期刊网站，获取蛋白质相关论文的web数据，从中找到用户关心的某些信息内容：某蛋白质近年来论文发表数量趋势，及该蛋白质论文的作者、联系邮箱、通讯地址等信息（对于蛋白质生产厂商，他一定关心如何找到这些信息进行广告投放）。我们会利用web挖掘技术、结合文本挖掘技术，把这些信息从互联网上获取存储到本地磁盘，然后利用web挖掘、文本挖掘技术对这些信息进行拆分解析，将有用信息存储到mysql数据库中。  以下为我们主要执行的挖掘步骤： – 安装web挖掘插件 – 加载网站url到 RapidMiner web挖掘算子中 – 获取并保存web页面到本地磁盘