文献

J-GLOBAL ID：201202264993512677   整理番号：12A0592913

Webページ分割のための決定木学習を用いたタイトルブロック抽出

著者 (4件)： 佐野博之 (名古屋工大 大学院工学研究科) ,  白松俊 (名古屋工大 大学院工学研究科) ,  大囿忠親 (名古屋工大 大学院工学研究科) ,  新谷虎松 (名古屋工大 大学院工学研究科)
資料名： 電子情報通信学会論文誌 D  (IEICE Transactions on Information and Systems (Japanese Edition))
巻： J95-D  号： 4  ページ： 909-918  発行年： 2012年04月01日 
JST資料番号： S0757C  ISSN： 1880-4535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究で提案するWebページ分割手法では,Webページを細分化ブロックという単位まで分割した後に,Webコンテンツの見出しとなるようなブロック(タイトルブロック)に着目して細分化ブロックの結合を行うことにより,Webページを意味的にまとまりのある単位へと分割する。既存のWebページ分割手法の多くが,面積や子ノード数など,コンテンツ量に依存する情報を用いて結合を行っていた。その結果,同一Webサイト内の同じレイアウトのWebページから異なる分割結果が得られるという問題が存在した。提案手法ではコンテンツ量に非依存な結合を行うために,タイトルブロックとそれに続くタイトルブロック以外のブロック(一般ブロック)を結合していく。そのためには,計算機によるタイトルブロックの抽出が課題となる。計算機によるタイトルブロックの自動抽出を行うために,機械学習によって分類器を生成した。J4.8アルゴリズムによる決定木学習によって生成した分類器により,F値77.8%,89.3%でタイトルブロックと一般ブロックの抽出に成功した。得られたタイトルブロックを用いて細分化ブロックの結合を行った結果,ニュースサイトのニュース記事部分に着目した場合,96.1%の精度でコンテンツ量に依存しない同一の分割結果が得られることを確認した。(著者抄録)

シソーラス用語： Web【情報システム】 ,  *配置設計 ,  *Webページ ,  分割 ,  ディシジョンツリー ,  データマイニング
準シソーラス用語： *レイアウト設計 ,  決定木 ,  Webマイニング

分類 (1件)： 計算機システム開発  (JD02010R)

引用文献 (8件)：

• L. Yi, B. Liu, and X. Li, “Eliminating noisy information in web pages for data mining,” Proc. Ninth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD ’03, pp. 296-305, ACM, New York, NY, USA, 2003. http://doi.acm.org/10.1145/956750.956785
• G. Hattori, K. Hoashi, K. Matsumoto, and F. Sugaya, “Robust web page segmentation for mobile terminal using content-distances and page layout information,” Proc.16th International Conference on World Wide Web, WWW ’07, pp. 361-370, ACM, New York, NY, USA, 2007.
• H. Guo, J. Mahmud, Y. Borodin, A. Stent, and I. Ramakrishnan, “A general approach for partitioning web page content based on geometric and style information,” Proc. Ninth International Conference on Document Analysis and Recognition-Volume 02, IEEE Computer Society, pp. 929-933, Washington, DC, USA, 2007.
• T. Ito, H. Sano, T. Ozono, and T. Shintani, “A hierarchical web page segmentation algorithm using machine learning,” 2008.
• 伊藤太樹, 浅見昌平, 大囿忠親, 新谷虎松, “Svmに基づくテンプレートを考慮したwebページの分割手法について (「webインテリジェンス」及び一般),”信学技報, vol.108, no.119, pp. 81-86, June 2008.

タイトルに関連する用語 (4件)： Webページ ,  決定木 ,  学習 ,  タイトル