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 z nich je
zohledňování širšího kontextu webové stránky, to znamená,
že se analyzují i stránky, umístěné ve stejné internetové
doméně, které jsou ze zkoumané stránky odkazovány. Druhou
metodou je shlukování
termů dokumentu na základě jejich podobného gramatického
kontextu. Pro tyto účely je vytvořen poměrně rozsáhlý thesaurus
a z něho shlukový slovník.