Minería de contenido web de la web oculta

World Wide Web es una enorme recopilación de datos de múltiples variantes. Para una mejor gestión del conocimiento, es importante recuperar datos precisos y completos. La Web oculta, también conocida como Web invisible o Web profunda, ha dado lugar a un nuevo problema de investigación sobre minería Web. La mayoría de los documentos en la Web oculta, incluidas las páginas ocultas detrás de los formularios de búsqueda, las bases de datos especializadas y las páginas Web generadas dinámicamente, no son accesibles por la aplicación de minería Web general. En este documento se diseña un sistema que tiene una sólida capacidad para acceder a estas páginas web ocultas utilizando técnicas de minería de estructuras web para una mejor gestión del conocimiento. Como la generación de contenido dinámico se usa en las páginas web modernas y los formularios de usuario se usan para obtener información de un usuario en particular y almacenarla en una base de datos. No se puede acceder a la estructura de enlace que se encuentra en estos formularios durante los procedimientos de minería convencionales. La relación de precisión de las estructuras jerárquicas de las páginas web se puede mejorar al incluir estas páginas web ocultas en el proceso de extracción de estructuras web. El sistema diseñado es suficientemente fuerte para procesar las páginas web dinámicas junto con las estáticas.