数据挖掘是指从大量数据中通过算法搜索隐藏信息的过程，这项技术在互联网上被广泛应用于数据的分析和模式识别。本文所探讨的是基于互联网的数据挖掘技术在竞争情报收集中的应用。竞争情报收集是指通过各种方法和手段搜集与竞争对手、市场环境、行业动态等有关的信息，并对这些信息进行分析，为企业制定竞争策略提供依据。
数据挖掘技术在互联网环境下可以帮助企业从海量的网络信息中提取有价值的情报，比如通过抓取工具搜集竞争对手的网页内容、产品信息、用户评价等，然后通过数据清洗、文本分析、关联规则挖掘等技术手段分析这些数据，从中提取出对企业有用的情报。
本文提及的工具和技术包括搜索引擎Dogpile、InfoSpace、Vivisimo等，它们可以帮助用户在海量信息中进行更加精确的检索。例如，搜索引擎可能通过PageRank算法这样的链接分析技术对互联网页面的重要性进行排名，使得用户在搜索时能够优先获取到更有可能含有竞争情报的页面。
文章还提到了Web1.0和Web2.0的概念。Web1.0主要是指早期的静态网页时代，而Web2.0则是以用户参与为特征的互联网发展阶段，例如博客、社交网络和Wiki等，这些平台的信息交互性更强，内容更丰富，为数据挖掘提供了更丰富的资源。
另外，文中还涉及了Struts、JSP、Servlet、EJB、JavaBean等J2EE（Java Platform, Enterprise Edition）技术，这些都是构建互联网应用的常用技术和组件。使用这些技术可以让开发者更容易地创建性能强、安全稳定的网络应用，从而实现对大量数据的处理和分析。
文中还提到了ASP（Active Server Pages）技术和IIS（Internet Information Services）服务器。ASP是微软推出的一种用于服务器端编程的脚本语言，而IIS是微软提供的一个服务器产品，它们可以帮助开发者部署动态网站、网络应用，并对数据进行实时处理。
在技术实现的过程中，数据挖掘需要利用算法对大量数据进行分析，包括分类算法、聚类算法、关联规则挖掘算法等。分类算法可以将数据项分配到不同的类别中，例如判断网络上的信息属于正面或负面评价；聚类算法可以帮助我们发现数据项的自然分组，比如将不同的用户群体或市场细分区分开来；关联规则挖掘算法则能够找出数据项之间的有趣关联，如购物篮分析等。
数据挖掘在互联网上的应用不仅限于竞争情报的收集，它还广泛应用于个性化推荐、市场趋势分析、信用评分、欺诈检测等多个领域。在大数据背景下，数据挖掘技术正变得越来越重要，其在决策支持、商业智能等方面的作用不容忽视。
本文所涉及的知识点包括但不限于数据挖掘的基本概念、方法、算法以及在互联网环境下，尤其是Web2.0时代的数据挖掘应用，以及J2EE、ASP、IIS等互联网技术在数据挖掘中的作用。通过这些技术的应用，企业能够有效地搜集、分析竞争情报，从而优化战略决策过程。
