Restricciones y retos en Proceso Web Data Mining

Hoy World Wide Web está inundado de miles de millones de páginas web creadas con lenguajes de programación estáticas y dinámicas tales como HTML, PHP y ASP. Web es una gran fuente de información que un exuberante parque infantil para la minería de datos. Debido a que los datos se almacenan en la Web en varios formatos y son de naturaleza dinámica, es un reto importante para la investigación, procesamiento y presentación de la información no estructurada disponible en la web.

La complejidad de una página web es mucho mayor que el complejidad de cada documento de texto convencional. Páginas Web en Internet sin uniformidad y estandarización, mientras que los libros tradicionales y documentos de texto son mucho más simple en su consistencia. Además, los motores de búsqueda con capacidad limitada no pueden indexar todas las páginas webs a las que la minería de datos es extremadamente ineficiente.

La Internet es una fuente de conocimiento es muy dinámico y crece a un ritmo rápido. Deportes, noticias, finanzas y sitios corporativos para actualizar sus sitios en una hora o por día. Ahora millones de usuarios de la Web logran con diferentes perfiles, intereses y fines de uso. Cada una de ellas requiere una buena información, pero no saben cómo los datos pertinentes de manera eficiente y con poco esfuerzo para recuperar.

Es importante tener en cuenta que sólo una pequeña parte de la web la información realmente útil. Hay tres métodos comunes para el usuario para acceder a la información almacenada en Internet:

1. Use palabras clave generales o principales motores de búsqueda dan lugar a millones de páginas web, muchas de las cuales son totalmente irrelevantes.

2. La semántica de palabras clave similares o multi-variante vuelven mis resultados ambiguos. Para una palabra pantera instantánea es un animal, accesorios deportivos, o el nombre de la película.

3. Es posible que usted puede perder una gran cantidad de páginas web de gran relevancia que no están directamente bajo la palabra clave.

Para utilizar la web como una eficaz herramienta de investigadores y de descubrimiento de conocimiento han desarrollado técnicas eficaces para la minería de datos para recuperar fácilmente los datos pertinentes, sin problemas y
rentable.

proceso de recolección de datos de la minería y datos Web es fundamental para muchas empresas y estudios de mercado en la actualidad. Las técnicas convencionales de minería de datos en los buscadores web como Google, Yahoo, AOL, etc. y las palabras clave, directorios y temas. Debido a la estructura existente de la red no puede proporcionar información de alta calidad, precisa e inteligente, la minería Web sistemática puede ayudarle a obtener la inteligencia y datos de negocio deseado.

El principal factor que impide el acceso web profunda es la eficacia de los robots de los motores de búsqueda. Modernos robots de los motores de búsqueda o robots no pueden acceder a toda la Web debido a las limitaciones de ancho de banda. Hay miles de bases de datos de Internet con alta calidad y bien mantenido editor escaneado pueden proporcionar información, pero no pueden ser abiertos por los rastreadores.

Casi todos los motores de búsqueda tienen pocas oportunidades para combinar la búsqueda de palabras clave. Tales como Google y Yahoo ofrecen como una frase opcional o coincidencia exacta para concretar su búsqueda. Se necesita más esfuerzo y tiempo a la información más relevante. Debido a que el comportamiento humano y las opciones que cambian con el tiempo, un sitio web periódicamente actualizado para reflejar estas tendencias.

Hay espacio limitado para la web de minería de datos multidimensional para la recuperación de información son muy dependientes de los índices basados ​​en palabras clave existentes, no los datos reales. Por encima de las limitaciones y retos han dado lugar a una búsqueda eficiente y eficaz de descubrir y utilizar recursos Web Hotel  .;