GermanWikipedia - /page/entry.mu

Micron Document

<!DOCTYPE html>

<title>Web Mining</title>

</head>

<h1 id="firstHeading" class="firstHeading mw-first-heading"><span class="mw-page-title-main">Web Mining</span></h1>

</header>

</div>

<div id="mw-content-text" class="mw-body-content mw-content-ltr" lang="de" dir="ltr"><div class="mw-content-ltr mw-parser-output" lang="de" dir="ltr"><p>Unter <b>Web Mining</b> (<i><span lang="en">web mining</span></i>) auch <b>Webmining</b> versteht man die Übertragung von Techniken des <a href="Data-Mining" title="Data-Mining">Data-Mining</a> zur (teil)automatischen Extraktion von <a href="Information" title="Information">Informationen</a> aus dem <a href="Internet" title="Internet">Internet</a>, speziell dem <a href="World_Wide_Web" title="World Wide Web">World Wide Web</a>. Web Mining übernimmt Verfahren und Methoden aus den Bereichen <a href="Information_Retrieval" title="Information Retrieval">Information Retrieval</a>, <a href="Maschinelles_Lernen" title="Maschinelles Lernen">maschinelles Lernen</a>, <a href="Statistik" title="Statistik">Statistik</a>, <a href="Mustererkennung" title="Mustererkennung">Mustererkennung</a> und Data-Mining.

Dabei können drei Untersuchungsgegenstände unterschieden werden:

</p>

<ul><li>Die Inhalte (<i>Web-Content-Mining</i>) – beispielsweise mit Verfahren des Information Retrieval.</li>

<li>Die Struktur der <a href="Hyperlink" title="Hyperlink">Verlinkung</a> (<i>Web-Structure-Mining</i>) – beispielsweise mit Verfahren der <a href="Webometrie" title="Webometrie">Webometrie</a>. Beim <i>Web-Structure-Mining</i> kommen so genannte <a href="Hub_(Netzwerk)" class="mw-redirect" title="Hub (Netzwerk)">Hubs</a> zum Einsatz. Es gibt gute Hubs, die auf viele wertvolle Seiten verweisen, und wertvolle Seiten, auf die viele Hubs verweisen.</li>

<li>Das Benutzerverhalten (<i>Web-Usage-Mining</i>) – beispielsweise durch die Analyse von <a href="Logdatei" title="Logdatei">Logdateien</a>.</li></ul>

<div class="mw-heading mw-heading2"><h2 id="Arten_des_Web_Minings">Arten des Web Minings</h2></div>

<p><i>Web-Usage-Mining</i> versucht Regularitäten in der Benutzung von Webseiten beziehungsweise Webressourcen zu erkennen. Dabei werden alle sekundären Daten, die durch Interaktion des Benutzers mit einer Webressource entstehen, verarbeitet und analysiert. Zum Web-Usage-Mining gehört beispielsweise auch die Analyse der <a href="Customer_Journey" title="Customer Journey">Customer Journey</a>.

</p><p><i>Web-Structure-Mining</i> versucht, die einer Webseite beziehungsweise Domäne zugrunde liegende Verweisstruktur zu erkennen. Basierend auf der Topologie der Verweise (Hyperlinks) der Webseite, mit optionaler Beschreibung derselben, wird ein Modell erstellt. Dieses kann für die Kategorisierung und das Ranking einer Webseite nützlich sein und lässt Rückschlüsse auf Ähnlichkeiten zwischen Webseiten und deren Beziehungen zueinander zu. Zum Beispiel könnten inhaltsreiche Webseiten (sog. Authorities) und überblicksartige Webseiten (sogenannte Hubs) für ein bestimmtes Thema ausfindig gemacht werden (vgl. <a href="Hubs_und_Authorities" title="Hubs und Authorities">HITS</a>-<a href="Algorithmus" title="Algorithmus">Algorithmus</a>).

</p><p><i>Web-Content-Mining</i> befasst sich mit der Erkennung von Regularitäten in den Inhalten einer Webressource. Web-Content-Mining ist ein Anwendungsgebiet für das <a href="Text_Mining" title="Text Mining">Text Mining</a>. Die Daten im Web bestehen aus <a href="Unstrukturierte_Daten" title="Unstrukturierte Daten">unstrukturierten Daten</a> wie Textdokumenten, semi-strukturierten Daten wie <a href="Hypertext_Markup_Language" title="Hypertext Markup Language">HTML</a>-Dokumenten und stärker strukturierten Daten wie Tabellen oder dynamisch generierten HTML-Seiten. Grundsätzlich bestehen die Inhalte einer Webseite aus verschiedenen Datentypen, wie Texten, Bildern, Audio-, Video-, <a href="Metadaten" title="Metadaten">Metadaten</a> und Hyperlinks. Web-Content-Mining von multiplen Datentypen wird als „Multimedia-Data-Mining“ bezeichnet und kann als Teil von Web-Content-Mining verstanden werden. Hauptsächlich bestehen die Inhalte des Webs jedoch aus unstrukturiertem Text. Text Mining kann als Ausprägung und übergeordnetes Forschungsgebiet von Web-Content-Mining verstanden werden. Die verwendeten Methoden sind allgemeine Data-Mining-Methoden, wobei statistische und <a href="Computerlinguistik" title="Computerlinguistik">computerlinguistische</a> Verfahren die Transformation der Texte in eine (für das Data-Mining) adäquate Form realisieren.

</p>

<div class="mw-heading mw-heading2"><h2 id="Siehe_auch">Siehe auch</h2></div>

<ul><li><a href="Text_Mining" title="Text Mining">Text Mining</a></li>

<li><a href="Suchmaschine" title="Suchmaschine">Suchmaschine</a></li>

<li><a href="Semantisches_Web" class="mw-redirect" title="Semantisches Web">Semantisches Web</a></li>

<li><a href="Screen_Scraping" title="Screen Scraping">Screen Scraping</a></li></ul>

<div class="mw-heading mw-heading2"><h2 id="Literatur">Literatur</h2></div>

<ul><li>Raymond Kosala, Hendrik Blockeel: <a rel="nofollow" class="external text" href="http://www.acm.org/sigs/sigkdd/explorations/issues/2-1-2000-06/kosala.pdf"><i>Web Mining Research: A Survey.</i></a> In: <i>SIGKDD Explorations.</i> 2, Nr. 1, 2000, Seite 1–10.</li>

<li>Marc Ehrig, Jens Hartmann, Christoph Schmitz: <a rel="nofollow" class="external text" href="http://www.kde.cs.uni-kassel.de/schmitz/publ/2004-gi-crawler_v3.0.pdf"><i>Ontologiebasiertes Web Mining.</i></a> (PDF; 255 kB) In: Peter Dadam (Hrsg.): <i>Informatik 2004. Informatik verbindet. Beiträge der 34. Jahrestagung der Gesellschaft für Informatik.</i> Köllen, Bonn 2004, ISBN 3-88579-380-6, Seite 187–193.</li>

<li>Frank Bensberg: <i>Web log mining als Instrument der Marketingforschung.</i> Gabler, Wiesbaden 2001, ISBN 3-8244-7309-7.</li>

<li>Markus Leibold: <i>Web log mining im PR-Controlling.</i> VDM, München 2006, ISBN 978-3-86550-392-3.</li></ul>

<div class="mw-heading mw-heading2"><h2 id="Weblinks">Weblinks</h2></div>

<ul><li><a rel="nofollow" class="external free" href="http://www.cs.umbc.edu/~kolari1/Mining/webmining.html">http://www.cs.umbc.edu/~kolari1/Mining/webmining.html</a> – Linksammlung wissenschaftlicher Artikel</li>

<li><a rel="nofollow" class="external free" href="http://www.mindup.de/html/web-mining.html">http://www.mindup.de/html/web-mining.html</a> – Review-Artikel</li>

<li><a rel="nofollow" class="external text" href="http://sfbci.uni-dortmund.de/index.php?option=com_content&task=view&id=112&Itemid=144">YALE (Yet Another Learning Environment)</a>: freie Open-Source-Software für Knowledge Discovery, Data Mining inklusive Web Mining und Text Mining, Maschinelles Lernen etc. (heute: <a rel="nofollow" class="external text" href="http://www.rapidminer.com/">RapidMiner</a>): YALE bietet zusammen mit dem ebenfalls freien <a rel="nofollow" class="external text" href="http://sourceforge.net/projects/wvtool/">WordVectorTool</a> eine kostenlose komplette Software-Umgebung für zahlreiche Web-Mining- und Text-Mining-Aufgaben</li>

<li><a rel="nofollow" class="external text" href="http://www.idea-miner.de/cgi-bin/INT_Tools/ver_web_mining_1/cmp_menu.cgi">Idea Web Miner</a> – freies Tool für Web Content Mining einschließlich Web Log Mining, Web Patent Mining und Web News Mining</li></ul></div><div><div class="zim-footer">

Dieser Artikel wurde von <a class="external text" title="Zuletzt bearbeitet am 2025-02-20" href="https://de.wikipedia.org/wiki/?title=Web_Mining&oldid=253498761">Wikipedia</a> herausgegeben. Der Text ist unter <a class="external text" href="https://creativecommons.org/licenses/by-sa/4.0/deed.de">Creative Commons Attribution-Share Alike 4.0</a> verfügbar, sofern nicht anders angegeben. Für die Mediendateien können zusätzliche Bedingungen gelten.

</div>

</div></div>

</div>

</main>

</div>

</body></html>