文献

J-GLOBAL ID：201602255411145983   整理番号：16A1317555

ハイブリッドアプローチを用いたオンラインWebページからの情報量の抽出【Powered by NICT】

To extract informative content from online web pages by using hybrid approach

著者 (2件)： Kaddu Madhura R. (Department of Computer Science and Engineering, Walchand Institute of Technology, Solapur, India, Solapur University) ,  Kulkarni R. B. (Department of Computer Science and Engineering, Walchand Institute of Technology, Solapur, India, Solapur University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICEEOT  ページ： 972-977  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Webページでは大きく,膨大な量のデータ,インターネットを介して世界に利用可能な情報の豊富な源であることを含んでいた。しかしWebページはナビゲーションリンク,広告,メニュー,脚注などと情報データのような雑音の多いデータの組合せであり,複雑性は,Webページからの主な内容抽出のための増加させるかもしれない。主な内容をアクセスするために°ルール法は,ストリング操作機能を含むこれらの規則を調製するユーザのための非常に困難な作業となっているが使用された。Webページからの主な内容を抽出するためのハイブリッドアプローチを提案した。このアプローチは自動抽出と手工芸で作られたルール技術の組合せに基づいている。提案した研究は,自動ルールは,手動手工芸で作られたルール生成の代わりに生成される自動抽出手法に焦点を当てた。ここではWebページはDOMツリーに変換されると特徴を抽出した。決定木分類と動的ルールのような機械学習法でこの特徴を作成した。これらの規則を用いて情報含有量は,Webページから抽出した。さらに手として使用自動抽出手法で生成した規則は,機械学習法を使用せずにWebページからコンテンツ抽出のためのルールを工夫。関連テキスト,画像,マルチメディアのような情報含有量は,Webページから抽出され,これらのWebページがインターネットすなわちオンラインから取った。また関連する含有量を抽出するためのデータセットを考察した。提案した研究では,効果的なルールを生成し,自動性と効率を達成した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ディシジョンツリー ,  インターネット ,  *Webページ ,  機械学習 ,  献立 ,  マルチメディア ,  コンテンツ ,  雑音 ,  *情報量 ,  *ハイブリッド方式
準シソーラス用語： テキスト ,  ルール抽出 ,  自動抽出 ,  複雑性 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ハイブリッドアプローチ ,  オンライン ,  Webページ ,  情報量