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

基本信息

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

项目摘要

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。

这项研究的目的是使用一种使用链接结构的大量网页进行排名和班级的方法来构建搜索引擎。今年的结果如下：1。提取网页的文本部分还包含用于标记和结构的信息。在上一年，我们开发并实施了一种仅从此类文件中提取内容部分的算法。今年，我们进一步将其扩展为不仅适用于网页，还适用于具有结构的任何文本。结果是在11月在德国卢贝克举行的国际会议上提出的。到目前为止，提取算法尚未使用结构化信息，但是研究了使用此方法时的提取准确性，并且已经证明它比传统的方法更准确。结果目前已提交国际研讨会。 2 Web图定义扩展的Web图表示网页和链接信息的结构。我们已经扩展了几个定义，以允许表达关键字和模式。此外，我们使用上述数据库中收集的上述数据库的实际数据进行了示范实验。在此过程中，开发了一种算法来表征具有相似外观的字符串，并确认可以以更高的精度执行图形创建。结果目前已发布给国际会议。