مروری بر طبقه بندی و ابزارهای وب کاوی

وب جهانی منبع عظیمی از داده است که از محتوای وب، که توسط میلیاردها صفحه در دسترس عموم نمایش داده می‌شود، یا با استفاده از وب که توسط اطلاعات گزارشی که روزانه توسط همه سرورهای وب در اطراف جهان جمع آوری می‌شود، به دست می‌آید. از این رو، به دلیل رشد گسترده منابع اطلاعاتی موجود در وب جهانی ، نیاز روزافزونی برای کاربران وب به استفاده از ابزارهای خودکار برای یافتن اطلاعات مورد نظر وجود دارد. وب کاوی یکی از تکنیک های محبوب داده کاوی است که برای کشف و استخراج اطلاعات مفید از اسناد وب و خدمات آن استفاده می شود ، همچنین وب کاوی به عنوان یک رویکرد برجسته برای کشف رابطه بین اسناد وب عمل می‌کند. کاوش محتوای وب ، کاوش ساختار وب و کاوش محتوای وب ، سه دسته مختلف از کاوی وب هستند. هر یک از این دسته‌ها الگوریتم ها ، ابزارها و رویکردهای مختلفی برای استخراج داده‌ها از حجم اطلاعات روی وب دارند . در این مقاله مروری بر نمای کلی و طبقه‌بندی وب کاوی و مطالعه تطبیقی تکنیک‌های اخیر وب کاوی ارائه می گردد. همچنین انواع وب کاوی و ابزارهای مورد استفاده در فرآیند وب کاوی نیز مورد بررسی قرار گرفته است.