互联网信息生，应该说都是界于结构化与非结构化之间。互联网信息的概念过泛，这里限定在Web网页信息及其链接网络所承载的信息，或者叫做Web信息更为合适一些。关于Web信息的挖掘研究，各个学科研究重点有些不同。大的来看，Web挖掘（Web Mining），主要有Web内容挖掘、Web结构挖掘和Web使用记录挖掘。计算机科学，强调如何利用计算机技术自动得到有用的信息；而情报学，则更为偏重这些信息是什么，怎么让它更为有用；相应地其他学科研究也有自己的特色。

从最近的技术发展和应用来看，我更倾向于将任何非结构化的信息，看作是结构化的信息。NoSQL之美，也逃不过结构的骨干；社交网站更像一个网络信息组织系统，只是组织方式发生了变革；Web链接，也有结构化表示方法；Web的HTML也能抽取出核心的结构要素。似乎结不结构在于如何看待与分析了，个人觉得目前对于非结构的信息转变为了结构信息才更有研究价值，研究也更为方便。最近有一些关于Web信息结构化处理的想法，先记在下面。

首先，Web结构化信息的搜集。国内计量学喜欢对一些结构性较强的数据进行分析，其原因之一在于这些信息获取非常容易，ISI、期刊网等等说到底也都是关系数据库中的数据，其结构性非常强，数据获取比较容易。在Web信息获取方面，链接信息结构性也比较强，似乎也可以利用现有的一些网络计量理论进行分析。但链接信息，似乎是网络中比较外在的数据，对于Web网页内容呢，是不是也有结构化的信息可以采集并进行分析？这一方面，深网、垂直搜索引擎等已有所研究，主要还是数据库信息的Web呈现方式。一般来说，其采集的信息在一个Web页之内。利用相关的一些数据采集软件即可实现，如火车头、htmlclient、htmlparser等，不算难但也并不是随便就能使用的。而对于一些涉及多个Web页、更为宏观一些的结构化数据呢？目前这方面的分析似乎不太多，比如说社交网站中的数据采集，需要涉及用户关系的采集、核心分析对象（如日志）的采集等，并不是在一个网页内就能实现的。这恐怕只有编程实现了。当然，如果有数据库数据，那么也不用去采集。可惜的是，这方面开放的数据集很少见，需要看研究的具体领域，现在关于标签数据集、评论数据集等还有一些。

其次，Web结构化信息的分析方法。说到分析方法似乎都逃不过计量和语义了，语义难度大，现实应用较少，计量分析（这里理解为利用数理原理进行分析的方法）内涵丰富，研究较多。个人觉得，词频分析、共现分析、基于图论的分析方法，都属于这个范畴。词频分析的难点，也是这一方面分析的基础性难题，就是“词”的确定。中文中需要分词处理，特定领域（domain）需要特征词提取，每一个问题都是大问题，由计算机全自动处理能够取得一定的效果，但似乎都逃脱不掉人工标注，尤其是在情报学领域的研究，似乎人参与的部分所占比例更大，计算机科学则在尽力解决如果让人参与得更少。现在的方法热点，也集中在寻找一种更好地数理理论模型，来解决具体领域的一些问题，揭示存在和发展规律（最近似乎都喜欢用“机制”、“演化”这样的词）。

      最后，Web结构化信息的分析目的，这个也是情报学领域里研究的目的吧。通过Web信息挖掘，能够为“人”带来什么？个人了解得并不是很多，胡乱谈一通。从服务角度讲，提供协同服务、集成服务、个性化服务是热点；从知识角度讲，Web知识发现、知识组织方式、知识形成和演化规律；从人的角度，研究网络用户兴趣、认知行为、选择行为、检索行为、交流行为、分享行为等等；从宏观管理的角度，有舆情监测；更细粒度的一些有意见挖掘、情感倾向性分析、话题跟踪与监测、主题识别、分类、聚类等任务，而这些任务主要是计算机领域在解决。

   对于Web结构信息的研究，有一些倾向于对某个或某些特定领域进行深入的分析，例如Web2.0环境下的科学研究的知识交流和知识共享、学术博客的知识组织和整合模式、网络学术社区的信息聚合与共享模式研究等。有些奇怪的是，情报学研究在选择研究领域 时，似乎总喜欢围绕“知识”本身的相关领域。另外，部分研究比较喜欢新的技术，比如Grid Computing、Distributed Computing、Linked Data、Cloud Computing，而往往题目是XXX在XXX中的应用，俨然一副应用科学的样子，还是深入一些好。