摘要：随着网络信息的迅猛发展,信息量日益增加,怎样从海量的Internet上获取有用信息,web文本挖掘系统是挖掘技术的重要应用方向,它是指在给定的分类体系下,根据网页的内容自动判别内容类别的过程,论文对文本中所涉及的关键技术,包括K-最近邻参照法模型、基于隐马尔科夫模型(HMM)的信息抽取、机器学习方法,进行了研究和探讨,并且给出了基于信息抽取的文本挖掘系统的设计实现和下一步的研究重点。

摘要：针对传统web文本挖掘技术缺少语义理解能力的不足,提出并实现一种基于本体的web文本挖掘模型,即利用基于本体概念体系的向量空间模型替代传统的向量空间模型来表示文档,在此基础上进行web文本挖掘,并给出一种集成语义信息检索的设计。实验结果初步验证了本体模型在web文本挖掘技术上应用的可行性。

摘要：web上的数据量急剧膨胀使得进行web数据挖掘成为数据挖掘技术研究的热点。而XML能够为web挖掘提供半结构化的数据模型,解决了web挖掘中的数据源问题。介绍了XML的和web文本挖掘的概念,提出了一种基于XML的web文本挖掘模型,剖析了该模型的各个组成部分,给出了该模型的特点。

摘要：本文在对我国证券投资市场发展趋势进行分析的基础上,结合在证券信息分析方面所做的一些实践工作,从理论上分析了web文本投资信息对投资者决策的影响,并对基于web文本挖掘的证券投资系统的实现目标、整体架构、软件体系结构和功能进行了探索,提出了利用数据挖掘技术对web文本投资信息进行分析处理的系统的设计思路.

摘要：该文提出了基于模糊神经网络的web文本挖掘系统模型，把模糊理论和神经网络结合结合起来，设计出基于模糊神经网络的文本聚类算法FNNTM的聚类模块，以及它在web文本挖掘中的具体实现过程。

摘要：从web文本文档的结构分析入手,利用XML将web文本中具有重要价值的标题、关键词、摘要等信息抽取出来形成一个XML格式的web文本信息库,给出了web文本信息库构建的方法,对DTD,XSL代码等进行了设计,以实例的形式探讨了网络信息库在web文本挖掘中的具体应用。

摘要：随着信息爆炸时代的到来,如何有效的从网络上获取有价值的信息成为当前研究的热点.web文本挖掘技术就是解决上述问题的一种方法,它从大量半结构化、异构的web文档集中发现潜在的、有价值的知识.本文着力于研究web文本挖掘过程中的重要技术,并通过分析当前研究热点和各种算法,提出一种改进的投影聚类算法,实验证明其正确率比k-均值算法高.最后,本文设计了基于web文本挖掘的证券投资系统,并将改进的聚类算法应用其中.

摘要：首先从高校教师个人主页系统建设的重要性和必要性两个方面分析了基于web文本挖掘的高校教师个人主页系统建设的迫切需求,然后从体系架构、功能模块、关键技术等方面论述了基于web文本挖掘的高校教师个人主页系统的设计与实现。

摘要：语料文本的挖掘和文本语料库的建设对语言学研究具有重要意义,因此语料文本的挖掘和文本语料库的建设就越来越值得探讨。但由于web上文本的半结构化特征和异构文本源的问题,在web上的文本挖掘具有很多困难。本文提出了将XML技术与web挖掘技术相结合,根据研究者的个人需求定制个性化的web中文文本挖掘系统框架和实现方案,并给出了面向法律领域的web文本挖掘系统LawsMiner的实例。

摘要：传统的网络信息检索技术如搜索引擎存在一些不足,一方面它只是将信息搜寻出来,不能发现隐藏在数据背后的知识;另一方面其采集软件在采集数据时缺乏人工干预,智能性不强,导致信息利用率不高。针对传统的web搜索引擎存在的上述问题,结合web文本挖掘、XML、BP神经网络在数据处理方面的长处,提出了一个具有一定智能的web文本信息检索模型,以使其具有较高的信息利用率。