การขุดเว็บกำหนดกระบวนการของการใช้เทคนิคการทำเหมืองข้อมูลเพื่อดึงแนวโน้มรูปแบบที่เป็นประโยชน์และข้อมูลโดยทั่วไปด้วยความช่วยเหลือของเว็บโดยจัดการกับมันจากบันทึกและบริการบนเว็บ บันทึกของเซิร์ฟเวอร์และไฮเปอร์ลิงก์ วัตถุประสงค์ของการขุดเว็บคือการค้นหาการออกแบบในบันทึกเว็บโดยการรวบรวมและวิเคราะห์ข้อมูลเพื่อรับข้อมูลเชิงลึกที่จำเป็น
การทำเหมืองข้อมูลบนเว็บถือได้ว่าเป็นซอฟต์แวร์ของวิธีการทำเหมืองข้อมูลที่ได้รับการดัดแปลงบนอินเทอร์เน็ต ในขณะที่การทำเหมืองข้อมูลถูกกำหนดให้เป็นแอพพลิเคชั่นของอัลกอริทึมเพื่อค้นหารูปแบบในข้อมูลที่มีโครงสร้างโดยทั่วไปซึ่งได้รับการแก้ไขในกระบวนการค้นพบความรู้
การทำเหมืองข้อมูลทางเว็บมีคุณสมบัติที่โดดเด่นในการเสนอชุดข้อมูลหลายประเภท เว็บมีองค์ประกอบหลายอย่างที่ให้แนวทางที่หลากหลายสำหรับขั้นตอนการขุด รวมถึงหน้าเว็บรวมถึงข้อความ หน้าเว็บถูกเชื่อมโยงผ่านไฮเปอร์ลิงก์ และกิจกรรมของลูกค้าสามารถตรวจสอบได้ผ่านบันทึกของเว็บเซิร์ฟเวอร์
การทำเหมืองข้อมูลการใช้งานเว็บมีกฎเกณฑ์ต่างๆ ดังนี้ -
กำลังประมวลผลล่วงหน้า − บันทึกการใช้งานเว็บไม่อยู่ในรูปแบบที่แอปพลิเคชันการขุดสามารถเข้าถึงได้ สำหรับข้อมูลบางส่วนที่จะใช้ในแอปพลิเคชันการขุด ข้อมูลนั้นจำเป็นต้องได้รับการฟอร์แมตและล้างข้อมูลใหม่ มีปัญหาบางอย่างที่เกี่ยวข้องกับการใช้เว็บบล็อกโดยเฉพาะ มีบางขั้นตอนที่รวมอยู่ในขั้นตอนการประมวลผล ได้แก่ การล้างข้อมูล การระบุผู้ใช้ การระบุเซสชัน การทำให้เส้นทางสมบูรณ์ และการจัดรูปแบบ
โครงสร้างข้อมูล − มีการเสนอโครงสร้างข้อมูลที่ไม่ซ้ำกันหลายอย่างเพื่อติดตามรูปแบบที่ระบุในระหว่างกระบวนการขุดการใช้เว็บ โครงสร้างข้อมูลพื้นฐานที่ใช้เรียกว่าต้นไม้ ต้นไม้คือต้นไม้ที่หยั่งรากแล้ว โดยที่แต่ละเส้นทางจากรากถึงใบไม้แสดงถึงลำดับ ต้นไม้สามารถบันทึกสตริงสำหรับแอปพลิเคชันจับคู่รูปแบบได้ ปัญหาเดียวของต้นไม้คือความต้องการพื้นที่
การค้นพบรูปแบบ − เทคนิคการขุดข้อมูลทั่วไปที่ใช้กับข้อมูลคลิกสตรีมคือการเปิดเผยรูปแบบการข้ามผ่าน รูปแบบการข้ามผ่านคือกลุ่มของหน้าที่ตรวจสอบโดยผู้ใช้ในเซสชัน รูปแบบอื่น ๆ อาจถูกค้นพบโดยการขุดการใช้เว็บ พบรูปแบบโดยใช้ชุดค่าผสมต่างๆ ซึ่งใช้ในการค้นหาคุณลักษณะต่างๆ และเพื่อวัตถุประสงค์ที่แตกต่างกัน
การวิเคราะห์รูปแบบ − เมื่อมีการค้นพบรูปแบบ จะต้องวิเคราะห์รูปแบบเหล่านั้นเพื่อพิจารณาว่าจะใช้ข้อมูลนั้นได้อย่างไร บางรูปแบบสามารถลบออกได้และไม่ได้พิจารณาว่าน่าสนใจ
การวิเคราะห์รูปแบบเป็นขั้นตอนของการดูและตีความผลลัพธ์ของกิจกรรมการค้นพบ ไม่จำเป็นต้องระบุประเภทของรูปแบบการข้ามผ่านบ่อยๆ แต่ยังต้องระบุรูปแบบที่น่าสนใจเนื่องจากมีลักษณะเฉพาะหรือคุณสมบัติทางสถิติด้วย
