پالایش صفحات وب بر اساس تحلیل هوشمند محتوا
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,675
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_206
تاریخ نمایه سازی: 26 مهر 1387
Abstract:
روش های موجود برای پالایش صفحات وب بیشتر مبتنی بر سد کردن نشانی های اینترنتی خاص از طریق جستجو در یک لیست مرجع از صفحات غیر مجاز و یا با استفاده از تحلیل ساده متن از طریق جستجوی کلمات کلیدی خاص در صفحات است. مشکل اصلی این روش ها نیاز برای به روزرسانی مداوم فهرست نشانی ها و نیز میزان قابل توجه اشتباه گرفتن صفحه های مجاز در آنهاست. در این مقاله یک روش پالایش هوشمند برای پالایش صفحات غیراخلاقی را پیشنهاد کرده ایم که با استفاده از هر سه نوع ویژگی ساختاری، متنی و تصویری و ترکیب سلسله مراتبی آنها یک دسته بندی هوشمند با دقت بالا (روی FN و FP هر دو) را به دست می دهد. الگوریتم روی 2600 صفحه وب شامل 1400 صفحه غیراخلاقی (دارای متن، تصویر، یا هر دو) انگلیسی
و فارسی و 1200 صفحه مجاز شامل صفحات پزشکی، سلامت، ورزشی و غیره مورد آزمایش قرار گرفته و دقت دسته بندی بالای 95 % را به همراه داشته است.
Keywords:
Authors
علی احمدی
دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیر طوسی
مهدی زمانیان
دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیر طوسی
هادی فرزین
دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیر طوسی
محمود خالقی
مرکز تحقیقات مخابرات ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :