數(shù)據(jù)倉庫及數(shù)據(jù)挖掘知識總結(jié)

1、數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘知識總結(jié)華北科技學院課程考查報告班 級漱件E121姓名梁高榮學 號:課程名稱:數(shù)據(jù)倉庫及數(shù)據(jù)挖掘課程性質(zhì)：專業(yè)選修開設(shè)學期:2015-2016學年第1學期考核成績?nèi)握n教師：欒尚敏2015年11月20日0/20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘如識總結(jié)目錄一.數(shù)據(jù)倉庫錯誤!未指定書簽。1. 倉庫的概念錯誤!未指定書簽。2數(shù)據(jù)倉庫的特點錯誤!未指定書簽。3據(jù)倉庫的結(jié)構(gòu)錯誤!未指定書簽。1. 數(shù)據(jù)挖掘的概念錯誤!未指定書簽。2數(shù)據(jù)挖掘的作用錯誤!未指定書簽。四、數(shù)據(jù)挖掘的步驟錯誤!未指定書簽。1.信息收集錯誤!未指定書簽。2數(shù)據(jù)規(guī)約：錯誤!未指定書簽。3數(shù)據(jù)清理錯誤!未指定書簽。4數(shù)據(jù)變換錯誤

2、!未指定書簽。5數(shù)據(jù)挖掘過程錯誤!未指定書簽。6模式評估錯誤!未指定書簽。7知識表示錯誤!未指定書簽。五、數(shù)據(jù)挖掘常的基本技錯誤!未指定書簽。1. 統(tǒng)計學錯誤!未指定書簽。2. 聚類分析和模式識別錯誤!未指定書簽。3. 決策樹分類技術(shù)錯誤!未指定書簽。1 / 204. 人工神經(jīng)網(wǎng)絡和遺傳基因算法錯誤!未指定書簽。5. 規(guī)則歸納錯誤!未指定書簽。6. 可視化技術(shù)錯誤!未指定書簽。六、文本挖掘錯誤!未指定書簽。1文本挖掘的概念錯誤!未指定書簽。2. 文本挖掘方法錯誤!未指定書簽。3. 挖掘工具錯誤!未指定書簽。4. 應用錯誤!未指定書簽。七、挖掘錯誤!未指定書簽。1.挖掘及信息檢索錯誤!未指定書簽

3、。2挖掘的任務錯誤!未指定書簽。3文本挖掘方法錯誤!未指定書簽。數(shù)據(jù)倉庫1. 倉庫的概念數(shù)據(jù)倉庫()是一個面向主題的()、集成的()、相對穩(wěn)定的()、反映歷史變化()的數(shù)據(jù)集合，用于支持管理決策。對2/20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘知識總結(jié)于數(shù)據(jù)倉庫的概念我們可以從兩個層次予以理解，首先， 數(shù)據(jù)倉庫用于支持決策，面向分析型數(shù)據(jù)處理，它不同于 企業(yè)現(xiàn)有的操作型數(shù)據(jù)庫；其次，數(shù)據(jù)倉庫是對多個異構(gòu) 的數(shù)據(jù)源有效集成，集成后按照主題進行了重組，并包含 歷史數(shù)據(jù)，而且存放在數(shù)據(jù)倉庫中的數(shù)據(jù)一般不再修改。2 -數(shù)據(jù)倉庫的特點根據(jù)數(shù)據(jù)倉庫概念的含義，數(shù)據(jù)倉庫擁有以下四個特 點：(1) 面向主題。操作型數(shù)據(jù)庫的數(shù)據(jù)

4、組織面向事務處理任 務，各個業(yè)務系統(tǒng)之間各自分離。數(shù)據(jù)倉庫中的數(shù)據(jù)是按 照一定的主題域進行組織。主題是一個抽象的概念，是指 用戶使用數(shù)據(jù)倉庫進行決策時所關(guān)心的重點方面，一個主 題通常及多個操作型信息系統(tǒng)相關(guān)。(2) 集成的。面向事務處理的操作型數(shù)據(jù)庫通常及某些特 定的應用相關(guān)，數(shù)據(jù)庫之間相互獨立，并且往往是異構(gòu)的。 而數(shù)據(jù)倉庫中的數(shù)據(jù)是在對原有分散的數(shù)據(jù)庫數(shù)據(jù)抽取、 清理的基礎(chǔ)上經(jīng)過系統(tǒng)加工、匯總和整理得到的，必須消 除源數(shù)據(jù)中的不一致性，以保證數(shù)據(jù)倉庫內(nèi)的信息是關(guān)于 整個企業(yè)的一致的全局信息。(3) 相對穩(wěn)定的。操作型數(shù)據(jù)庫中的數(shù)據(jù)通常實時更新， 數(shù)據(jù)根據(jù)需要及時發(fā)生變化。數(shù)據(jù)倉庫的數(shù)據(jù)主要

5、供企業(yè) 決策分析之用，所涉及的數(shù)據(jù)操作主要是數(shù)據(jù)查詢，一旦 某個數(shù)據(jù)進入數(shù)據(jù)倉庫以后，一般情況下將被長期保留， 也就是數(shù)據(jù)倉庫中一般有大量的查詢操作，但修改和刪除 操作很少，通常只需要定期的加載、刷新。(4) 反映歷史變化。操作型數(shù)據(jù)庫主要關(guān)心當前某一個時 間段內(nèi)的數(shù)據(jù)，而數(shù)據(jù)倉庫中的數(shù)據(jù)通常包含歷史信息， 系統(tǒng)記錄了企業(yè)從過去某一時點(如開始應用數(shù)據(jù)倉庫的時 點)到目前的各個階段的信息，通過這些信息，可以對企業(yè) 的發(fā)展歷程和未來趨勢做出定量分析和預測。企業(yè)數(shù)據(jù)倉庫的建設(shè)，是以現(xiàn)有企業(yè)業(yè)務系統(tǒng)和大量業(yè) 務數(shù)據(jù)的積累為基礎(chǔ)的。數(shù)據(jù)倉庫不是靜態(tài)的概念，只有 把信息及時交給需要這些信息的使用者，供他

6、們做出改善 其業(yè)務經(jīng)營的決策，信息才能發(fā)揮作用，信息才有意義。 而把信息加以整理歸納和重組，并及時提供給相應的管理 決策人員，是數(shù)據(jù)倉庫的根本任務。因此，從產(chǎn)業(yè)界的角 度看，數(shù)據(jù)倉庫建設(shè)是一個工程，是一個過程。3/20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘如識總結(jié)3-據(jù)倉庫的結(jié)構(gòu) 整個數(shù)據(jù)倉庫系統(tǒng)是一個包含四個層 次的體系結(jié)構(gòu)：數(shù)據(jù)源：是數(shù)據(jù)倉庫系統(tǒng)的基礎(chǔ)，是整個系統(tǒng)的數(shù)據(jù)源 泉。通常包括企業(yè)內(nèi)部信息和外部信息。內(nèi)部信息包括存 放于中的各種業(yè)務處理數(shù)據(jù)和各類文檔數(shù)據(jù)。外部信息包 括各類法律法規(guī)、市場信息和競爭對手的信息等等。數(shù)據(jù)的存儲及管理：是整個數(shù)據(jù)倉庫系統(tǒng)的核心。數(shù)據(jù) 倉庫的真正關(guān)鍵是數(shù)據(jù)的存儲和管理。數(shù)據(jù)

7、倉庫的組織管 理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫，同時也決定了其對外 部數(shù)據(jù)的表現(xiàn)形式。要決定采用什么產(chǎn)品和技術(shù)來建立數(shù) 據(jù)倉庫的核心，則需要從數(shù)據(jù)倉庫的技術(shù)特點著手分析。 針對現(xiàn)有各業(yè)務系統(tǒng)的數(shù)據(jù)，進行抽取、清理，并有效集 成，按照主題進行組織。數(shù)據(jù)倉庫按照數(shù)據(jù)的覆蓋范圍可 以分為企業(yè)級數(shù)據(jù)倉庫和部門級數(shù)據(jù)倉庫（通常稱為數(shù)據(jù)集 市）。服務器：對分析需要的數(shù)據(jù)進行有效集成，按多維模型 予以組織，以便進行多角度、多層次的分析，并發(fā)現(xiàn)趨勢。 其具體實現(xiàn)可以分為:、和。基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在 之中；基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫中；基本5/20數(shù)據(jù)存放于之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫中。前端工

8、具：主要包括各種報表工具、查詢工具、數(shù)據(jù)分 析工具、數(shù)據(jù)挖掘工具以及各種基于數(shù)據(jù)倉庫或數(shù)據(jù)集市 的應用開發(fā)工具。其中數(shù)據(jù)分析工具主要針對服務器，報 表工具、數(shù)據(jù)挖掘工具主要針對數(shù)據(jù)倉庫。二數(shù)據(jù)挖掘 1.數(shù)據(jù)挖掘的概念 數(shù)據(jù)挖掘，也可以稱為數(shù)據(jù)庫中的 知識發(fā)現(xiàn)（，），是從大量數(shù)據(jù)中提取出可信、新穎、有 效并能被人理解的信息的髙級處理過程。數(shù)據(jù)挖掘的廣義觀點：數(shù)據(jù)挖掘就是從存放在數(shù)據(jù)庫， 數(shù)據(jù)倉庫或其他信息庫中的大量的數(shù)據(jù)中“挖掘”有趣知 識的過程。數(shù)據(jù)挖掘，又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)（，），也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本 步驟。2.數(shù)據(jù)挖掘的作用在今天的市場上，信息的利用至關(guān)重要

9、，各行各業(yè)面臨激烈的競爭及經(jīng)濟壓力，產(chǎn)品的生命 周期縮短，需要為顧客提供更好的服務。在市場經(jīng)濟比較 發(fā)達的國家和地區(qū)，許多公司都開始在原有信息系統(tǒng)的基 礎(chǔ)上通過數(shù)據(jù)挖掘?qū)I(yè)務信息進行深加工，以構(gòu)筑自己的 競爭優(yōu)勢，擴大自己的營業(yè)額。在過去幾年中，各公司為6/20 了取得必要的市場戰(zhàn)略信息及對付市場方面的各種壓力， 已經(jīng)開始采用數(shù)據(jù)倉庫技術(shù)。各公司為了確定所要開發(fā)的 產(chǎn)品模式及了解市場走勢，需要提取數(shù)據(jù)倉庫數(shù)據(jù)，包括 聯(lián)機事務處理（勵數(shù)據(jù)，并及外部的人口統(tǒng)計數(shù)據(jù)及心理數(shù) 據(jù)結(jié)合，從中“挖掘出”最終結(jié)果。利用這種數(shù)據(jù)倉庫信 息源，知識工作者在他們的辦公室內(nèi)可根據(jù)所取得的數(shù)據(jù) 進行決策。可以說，數(shù)據(jù)

10、倉庫直接影響事關(guān)公司命運的決 策。三、數(shù)據(jù)挖掘和數(shù)據(jù)倉庫的關(guān)系上述過程其實就是數(shù)據(jù)挖掘，實施這一過程的基本設(shè)施 是數(shù)據(jù)倉庫。這是一種關(guān)鍵性、涉及范嗣很廣的技術(shù)手段。 利用數(shù)據(jù)挖掘技術(shù)可使?jié)撛诘男б娴玫阶畲蟮陌l(fā)揮。數(shù)據(jù) 倉庫是一種數(shù)據(jù)集成戰(zhàn)略，目的是促進最終用戶利用企業(yè) 數(shù)據(jù)，同時保護公司的數(shù)據(jù)財富一一關(guān)鍵任務的可操作數(shù) 據(jù)一一安全性和完整性。只要安排妥當，數(shù)據(jù)倉庫就能發(fā)揮它的重要作用，即人 們可以很快地作出決策。因此，數(shù)據(jù)倉庫是實施公司戰(zhàn)略 的一種技術(shù)手段。一般來說，構(gòu)筑數(shù)據(jù)倉庫是一個頻繁的查閱過程，它可7/20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘知識總結(jié)分為若干階段，其中包括需求分析、數(shù)據(jù)倉庫的設(shè)計、操 作

11、數(shù)據(jù)的提取、不相容數(shù)據(jù)的集成、數(shù)據(jù)倉庫的裝填、最 終交付用戶使用。在后續(xù)期內(nèi)，還應該對數(shù)據(jù)倉庫作定期 更新。數(shù)據(jù)挖掘?qū)Πl(fā)揮數(shù)據(jù)倉庫的作用有很大影響，因為通過 它可以識別出商務中的模式及趨勢，而僅通過分析數(shù)據(jù)倉 庫數(shù)據(jù)是無法得出的。當知識工作者運用結(jié)構(gòu)化查詢語言() 對數(shù)據(jù)倉庫查詢所需的信息時，查詢中的歧義性常常涉及 到及答案集有關(guān)的一系列知識。相反地，數(shù)據(jù)挖掘可以揭 示出非常有價值的信息，這些信息在實施分析之前，知識 工作者是無法得知的。這種新技術(shù)，有助于使公司取得較 大的市場份額，建立更好的形象并推動公司向前發(fā)展。四、數(shù)據(jù)挖掘的步驟從數(shù)據(jù)本身來考慮，數(shù)據(jù)挖掘通常需要有信息收集、數(shù) 據(jù)集成、數(shù)

12、據(jù)規(guī)約、數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)挖掘?qū)嵤?過程、模式評估和知識表示8個步驟。1. 信息收集根據(jù)確定的數(shù)據(jù)分析對象，抽象出在數(shù)據(jù)分析中所需要 的特征信息，然后選擇合適的信息收集方法，將收集到的 信息存入數(shù)據(jù)庫。對于海量數(shù)據(jù)，選擇一個合適的數(shù)據(jù)存 儲和管理的數(shù)據(jù)倉庫是至關(guān)重要的。數(shù)據(jù)集成：把不同來源、格式、特點性質(zhì)的數(shù)據(jù)在邏輯上或物理上 有機地集中，從而為企業(yè)提供全面的數(shù)據(jù)共享。2.【據(jù)規(guī)約:如果執(zhí)行多數(shù)的數(shù)據(jù)挖掘算法，即使是在少量數(shù)據(jù)上也 需要很長的時間，而做商業(yè)運營數(shù)據(jù)挖掘時數(shù)據(jù)量往往非 常大。數(shù)據(jù)規(guī)約技術(shù)可以用來得到數(shù)據(jù)集的規(guī)約表示，它 小得多，但仍然接近于保持原數(shù)據(jù)的完整性，并且規(guī)約后 執(zhí)

13、行數(shù)據(jù)挖掘結(jié)果及規(guī)約前執(zhí)行結(jié)果相同或幾乎相同。3. 數(shù)據(jù)清理在數(shù)據(jù)庫中的數(shù)據(jù)有一些是不完整的（有些感興趣的屬 性缺少屬性值）、含噪聲的（包含錯誤的屬性值），并且 9/20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘知識總結(jié)是不一致的（同樣的信息不同的表示方式），因此需要進 行數(shù)據(jù)清理，將完整、正確、一致的數(shù)據(jù)信息存入數(shù)據(jù)倉 庫中。不然，挖掘的結(jié)果會差強人意。4. 數(shù)據(jù)變換通過平滑聚集、數(shù)據(jù)概化、規(guī)范化等方式將數(shù)據(jù)轉(zhuǎn)換成 適用于數(shù)據(jù)挖掘的形式。對于有些實數(shù)型數(shù)據(jù)，通過概念 分層和數(shù)據(jù)的離散化來轉(zhuǎn)換數(shù)據(jù)也是重要的一步。5. 數(shù)據(jù)挖掘過程根據(jù)數(shù)據(jù)倉庫中的數(shù)據(jù)信息，選擇合適的分析工具，應 用統(tǒng)計方法、事例推理、決策樹、規(guī)則推

14、理、模糊集，甚 至神經(jīng)網(wǎng)絡、遺傳算法的方法處理信息，得出有用的分析 信息。6. 模式評估從商業(yè)角度，由行業(yè)專家來驗證數(shù)據(jù)挖掘結(jié)果的正確 性。7. 知識表示將數(shù)據(jù)挖掘所得到的分析信息以可視化的方式呈現(xiàn)給 用戶，或作為新的知識存放在知識庫中，供其他應用程序 使用。數(shù)據(jù)挖掘過程是一個反復循環(huán)的過程，每一個步驟如果 沒有達到預期目標，都需要回到前面的步驟，重新調(diào)整并 執(zhí)行。不是每件數(shù)據(jù)挖掘的工作都需要這里列出的每一步, 例如在某個工作中不存在多個數(shù)據(jù)源的時候，步驟（2）便可以省略。步驟（3）數(shù)據(jù)規(guī)約、步驟（4）數(shù)據(jù)清理、步驟（5） 數(shù)據(jù)變換又合稱數(shù)據(jù)預處理。在數(shù)據(jù)挖掘中，至少60%的 費用可能要花在步

15、驟（1）信息收集階段，而其中至少60% 以上的精力和時間花在了數(shù)據(jù)預處理過程中五、數(shù)據(jù)挖掘常的基本技1.統(tǒng)計學統(tǒng)計學雖然是一門“古老的”學科，但它依然是最基本 的數(shù)據(jù)挖掘技術(shù)，特別是多元統(tǒng)計分析，如判別分析、主 成分分析、因子分析、相關(guān)分析、多元回歸分析等。2. 聚類分析和模式識別聚類分析主要是根據(jù)事物的特征對其進行聚類或分類, 即所謂物以類聚，以期從中發(fā)現(xiàn)規(guī)律和典型模式。這類技 術(shù)是數(shù)據(jù)挖掘的最重要的技術(shù)之一。除傳統(tǒng)的基于多元統(tǒng) 計分析的聚類方法外，近些年來模糊聚類和神經(jīng)網(wǎng)絡聚類 方法也有了長足的發(fā)展。3. 決策樹分類妬決策樹分類是根據(jù)不同的重要特征，以樹型結(jié)構(gòu)表示分 類或決策集合，從而產(chǎn)生

16、規(guī)則和發(fā)現(xiàn)規(guī)律。4. 人工神經(jīng)網(wǎng)絡和遺傳基因算法人工神經(jīng)網(wǎng)絡是一個迅速發(fā)展的前沿研究領(lǐng)域，對計算 機科學人工智能、認知科學以及信息技術(shù)等產(chǎn)生了重要而 深遠的影響，而它在數(shù)據(jù)挖掘中也扮演著非常重要的角色。 人工神經(jīng)網(wǎng)絡可通過示例學習，形成描述復雜非線性系統(tǒng) 的非線性函數(shù)，這實際上是得到了客觀規(guī)律的定量描述， 有了這個基礎(chǔ)，預測的難題就會迎刃而解。目前在數(shù)據(jù)挖 掘中，最常使用的兩種神經(jīng)網(wǎng)絡是網(wǎng)絡和網(wǎng)絡 不過，由于 11/20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘知識總結(jié)人工神經(jīng)網(wǎng)絡還是一個新興學科，一些重要的理論問題尚 未解決。5. 規(guī)則歸納規(guī)則歸納相對來講是數(shù)據(jù)挖掘特有的技術(shù)。它指的是在 大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中搜

17、索和挖掘以往不知道的規(guī)則和 規(guī)律，這大致包括以下幾種形式： 6. 可視化技術(shù)可視化技術(shù)是數(shù)據(jù)挖掘不可忽視的輔助技術(shù)。數(shù)據(jù)挖掘 通常會涉及較復雜的數(shù)學方法和信息技術(shù)，為了方便用戶 理解和使用這類技術(shù)，必須借助圖形、圖象、動畫等手段 形象地指導操作、引導挖掘和表達結(jié)果等，否則很難推廣 普及數(shù)據(jù)挖掘技術(shù)。六、文本挖掘1 文本挖掘的概念文本數(shù)據(jù)挖掘（）是指從文本數(shù)據(jù)中抽取有價值的信息 和知識的計算機處理技術(shù)。顧名思義，文本數(shù)據(jù)挖掘是從 文本中進行數(shù)據(jù)挖掘（）。從這個意義上講，文本數(shù)據(jù)挖掘 是數(shù)據(jù)挖掘的一個分支。2 文本挖掘方法(1) 文本分類文本分類是一種典型的機器學習方法，一般分為訓練和 分類兩個階

18、段。(2) .文本聚類文本聚類是一種典型的無監(jiān)督式機器學習方法，聚類方 法的選擇取決于數(shù)據(jù)類型。(3) .信息抽取摘要壓縮其中，文本分類和聚類是兩種最重要最基本的挖掘功 能。3 挖掘工具(1) 2(2)(3)(4) (純文本抽出通用程序庫)4 應用文本挖掘傳統(tǒng)商業(yè)方面的應用主要有，企業(yè)競爭情報、 電子商務網(wǎng)站、搜索引擎，現(xiàn)在已擴展到醫(yī)療、保險和咨 詢行業(yè)。七、挖掘1.挖掘及信息檢索1.1挖掘的定義挖掘是一項綜合技術(shù)，涉及、數(shù)據(jù)挖掘、計算機語言學、信息學等多個領(lǐng)域不同研究者從自身的領(lǐng)域出發(fā), 對挖掘的含義有著不同的理解，項目開發(fā)也各有其側(cè)重點.1.2上的挖掘及信息檢索上的挖掘和信息檢索是兩種不同

19、的技術(shù)，其區(qū)別主要表現(xiàn)在以下幾個方面.(1) 方法論不同信息檢索是目標驅(qū)動的，用戶需要明 確提出查詢要求；而挖掘是機會主義的，其結(jié)果獨立于用 戶的信息需求，也是用戶所無法預知的；(2) 著眼點不同信息檢索著重于文檔中顯式存儲的 字詞和鏈接；而挖掘試圖更多地理解其內(nèi)容和結(jié)構(gòu)；（3）目的不同.信息檢索的目的在于幫助用戶發(fā)現(xiàn)資 源，即從大量文檔中找到滿足其查詢請求的文檔子集；而 挖掘是為了揭示文檔中隱含的知識；（4）評價方法不同.信息檢索使用精度（）和召回率 0來評價其性能，要求返回盡可能多的相關(guān)文檔，同時 不相關(guān)的文檔盡可能少而挖掘采用收益（）、置信度（）、 簡潔性（）等來衡量所發(fā)現(xiàn)知識的有效性、

20、可用性和可理 解性；（5）使用場合不同.有時信息檢索系統(tǒng)返回太多的結(jié) 果以致用戶無法一一瀏覽，有時用戶沒有明確的信息需求, 有時用戶希望發(fā)現(xiàn)文檔集合中所具有的結(jié)構(gòu)、趨勢、含義, 在這些場合下，就需要使用挖掘技術(shù).盡管挖掘是比信息檢索層次更髙的技術(shù)，但它并不是 用來取代信息檢索技術(shù)，二者是相輔相成的一方面，這兩 種技術(shù)各有所長，有各自適用的場合；另一方面，我們可 以利用挖掘的研究成果來提高信息檢索的精度和效率，改 善檢索結(jié)果的組織，使信息檢索系統(tǒng)發(fā)展到一個新的水平.2. 挖掘的任務15 / 20數(shù)據(jù)倉庫及數(shù)據(jù)扌它掘如識總結(jié)21挖掘任務的分類上信息的多樣性決定了挖掘任務的多樣性按照處理對 象的不同，我們將挖掘分為兩大類：內(nèi)容挖掘和結(jié)構(gòu)挖掘. 前者指的是從文檔的內(nèi)容信息中抽取知識，而后者指的是 從文檔的結(jié)構(gòu)信息中推導知識內(nèi)容挖掘又分為對文本文檔 （包括，等格式）和多媒體文檔（包括,，等媒體類型） 的挖掘結(jié)構(gòu)挖掘不僅僅局限于文檔之間的超鏈結(jié)構(gòu)，還包 括文檔內(nèi)部的結(jié)構(gòu)、文檔中的目錄路徑結(jié)構(gòu)等如圖2所 示.在本文中，我們僅對上的文本挖掘和結(jié)構(gòu)挖掘加以討論, 下文中提及的“文檔”指的是文本文檔，不包括多媒體文 檔.有關(guān)上的多媒體挖掘。2