グラフ構造解析を用いたハイパーテキストの順位づけ,クラスタリング,特徴語抽出

使用图结构分析进行超文本排序、聚类和特征词提取

• 批准号: 13780244
• 负责人: 池田 大輔
• 金额: $ 1.34万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2001
• 资助国家: 日本
• 起止时间: 2001 至 2002
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-13780244/
• 关键词: Webグラフ; 特徴語抽出; 特異値解析; クラスタリング

本研究の目的は、リンク構造を持つ大量のWebページの順位づけとクラスダリング手法を構築、これを利用した検索エンジンの構築である。今年度の実績は以下のとおりである。1 テキスト部分の抽出Webページはコンテンツ以外にもマークアップのための情報や構造化のための情報を含む。前年度に、このようなファイルからコンテンツ部分のみを抜きだすアルゴリズムを開発実装した。本年度はさらに、これを拡張しWebページだけでなく、構造を持つ任意のテキストに適用可能なように拡張した。この結果は11月にドイツ・リューベックで行われた国際会議で発表した。ここまでの抽出アルゴリズムは、構造化の情報を利用していなかったが、これを利用するようにした場合の抽出精度について調べ、従来のものより高精度あることを示した。この結果は、現在国際ワークショップに投稿中である。2 Webグラフの定義拡張Webグラフとは、Webページとリンク情報の構造を表わすものである。これをキーワードやパタンも表現可能なようにいくつかの定義の拡張を行なった。さらに、前年度に収集していた上述したデータベースの実データを用いた実証実験を行った。この過程において、類似の見栄えを持つ文字列の特徴付けるアルゴリズムを開発し、グラフの作成をより高精度に行えることを確認した。この結果は、現在国際会議に投稿中である。

は の purpose, this study リ ン ク tectonic を hold つ large の Web ペ ー ジ の sequence づ け と ク ラ ス ダ リ ン グ gimmick を constructs, こ れ を using し た 検 cable エ ン ジ ン の build で あ る. The <s:1> actual performance とお for this year is as follows とお とお である. Part 1 テ キ ス ト の out Web ペ ー ジ は コ ン テ ン ツ outside に も マ ー ク ア ッ プ の た め の intelligence や structured の た め の intelligence を む. In the previous year, the に, <s:1> ようなファ ようなファ ようなファ <s:1> <s:1> <s:1> ゴリズムを ゴリズムを ゴリズムを ゴリズムを ゴリズムを らコ らコ <s:1> テ <s:1> <s:1> ようなファ ゴリズムを ゴリズムを ゴリズムを ゴリズムを of the previous year was launched. The actual decoration of the <s:1> みを, <s:1> テ and ゴリズムを ゴリズムを was carried out. This year's は さ ら に, こ れ を company, zhang し Web ペ ー ジ だ け で な く, tectonic を つ arbitrary の テ キ ス ト に may apply な よ う に company, zhang し た. The <s:1> results of the で November にド にド にド リュ · リュ ベッ ベッ で で international conference で is scheduled to take place た た. こ こ ま で の spare ア ル ゴ リ ズ ム は, construct の intelligence を using し て い な か っ た が, こ れ を using す る よ う に し た occasions の extraction accuracy に つ い て べ, 従 to の も の よ り high-precision あ る こ と を shown し た. The results are and are currently in the international ワ, ワ, ショップに and ショップに submissions である. 2 Webグラフ <s:1> defines 拡 Webグラフと <e:1>, Webペ ジとリ ジとリ <s:1> <s:1> information <e:1> constructs を table わす <s:1> である である. The performance may なように れをキ ワ ワ ドやパタ ドやパタ ドやパタ ワ the performance may なように く く なように definition 拡 拡 zhang を line なった. さ ら に, former annual に 収 set し て い た above し た デ ー タ ベ ー ス の be デ ー タ を with い た be card be 験 を line っ た. こ の process に お い て, similar の see tech students.their ownship え を hold つ text columns の 徴 pay especially け る ア ル ゴ リ ズ ム を open 発 し, グ ラ フ の made を よ り line high-precision に え る こ と を confirm し た. The result of is currently being submitted to the international conference に である.

项目成果

Y.Yamada, D.Ikeda, S.Hirokawa: "Automatic Wrapper Generation for Multilingual Web Resources"Proceedings of the 5th International conference on Discovery Science(Lecture Notes in Computer Science). 2534. 332-339 (2002)

Y.Yamada、D.Ikeda、S.Hirokawa：“多语言 Web 资源的自动包装生成”第五届发现科学国际会议论文集（计算机科学讲义）。

S.Hirokawa, D.Ikeda: "Visualization and Analysis of Web Graphs"Progress in Discovery Science(Lecture Notes in Computer Science). 2581. 616-627 (2002)

S.Hirokawa、D.Ikeda：“网络图的可视化和分析”发现科学进展（计算机科学讲义）。

Yasuhiro Yamada, Daisuke Ikeda, Sachio Hirokawa: "SCOOP : A Record Extractor without Knowledge on Input"Proceedings of the 4th International Conference on Discovery Science, Lecture Notes in Artificial Intelligence. 2226. 482-487 (2002)

Yasuhiro Yamada、Daisuke Ikeda、Sachio Hirokawa：“SCOOP：无需输入知识的记录提取器”第四届国际发现科学会议论文集，人工智能讲义。

池田大輔, 山田泰寛, 廣川左千男: "Web上の多言語テキストデータからのラッパー自動生成"九州大学情報基盤センター年報. 3(予定). (2003)

Daisuke Ikeda、Yasuhiro Yamada、Sachio Hirokawa：“从网络上的多语言文本数据自动生成包装”九州大学信息技术中心年度报告 3（计划）。

Daisuke Ikeda, Sachio Hirokawa: "Visualization and Analysis of Web Graphs"Progresses in Discovery Science, Lecture Notes in Computer Science(to appera).

Daisuke Ikeda、Sachio Hirokawa：“网络图的可视化和分析”发现科学进展，计算机科学讲义（to appera）。