Diplomová práce

Automatické určení domény a klíčových slov stránky

Web page classification and keyword extraction

Bc. Jiří Materna, učo 98897
Anotace

Cílem této práce je navrhnout a otestovat přístup, který umožní automatickou klasifikaci webových stránek do domén a určení klíčových slov stránky. Klasifikace stránek je založena na použití strojového učení. Hlavním problémem je však malý rozsah webových stránek, který užití metod strojového učení znesnadňuje. V práci jsou navrženy dva přístupy, které se snaží tento nedostatek minimalizovat. Prvním …více

Abstract

The aim of this master thesis is to design and evaluate a method of automatic web page classification and keyword extraction. The classification is based on the machine learning. However, there are some problems with short web pages in the classification. In this thesis we proposed two approaches to eliminate the lack of information. In the first approach we consider a wider context of the web page …více

Klíčová slova
klasifikace klíčová slova strojové učení klasifikace webových stránek thesaurus
Zadání práce

Při vytváření rozsáhlých textových korpusů z webových stránek není na stránkách přímo dostupné určení domény (oblasti).

Úkolem práce je vytvořit systém, který z volně dostupných katalogů stránek vytvoří seznam domén (položek katalogu) a následně pro libovolnou stránku určí, do které domény, případně domén, stránka patří.

Druhým úkolem je určení klíčových slov pro webovou stránku.

Administrativní informace
Práce zkontrolována:
11. 10. 2008 13:03, (IS automaticky)
Plný text práce
3,7 MB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
1. 7. 2008
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Lubomír Popelínský, Ph.D.
abs PřF MU

Oponent

doc. RNDr. Petr Sojka, Ph.D., učo 2378
KVI FI MU

Literatura

  • MANNING, Christopher D. a Hinrich SCHÜTZE. Foundations of statistical natural language processing. Cambridge: MIT Press, 1999, xxxvii, 68. ISBN 0-262-13360-1.
  • CHAKRABARTI, Soumen. Mining the Web : discovering knowledge from hypertext data. San Francisco: Morgan Kaufmann Publishers, 2003, xviii, 345. ISBN 1558607544.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.