آشنایی با روش های رفع اطلاعات نویزی در صفحات وب برای داده کاوی

یک صفحه وب تجاری معمولا حاوی اطلاعات زیادی است بلوک هایی به غیر از بلوک های محتوااصلی، معمولا چنین است بلوک هایی چون پانل های ناوبری، اطلاعیه های کپی رایت و حریم خصوصی، و تبلیغات (برای اهداف کسب و کار و برای دسترسی آسان به کاربران). ما این بلوک ها را که بلوک های اصلی محتوا نیستند بلوک های پر سر و صدا می نامیم. ما نشان می دهیم که اطلاعات موجود در این بلوک های پر سر و صدا می تواند به طور جدی به وب کاوی آسیب بزنند و از بین بردن این سر و صدا از اهمیت زیادی برخوردار است.دراین با روش هایی برای حذف این داده ها آشنا می شویم و هدف آشنایی مختصری با برخی مفاهیم داده کاوی خوشه بندی و طبقه بندی داده ها می باشد.

Keywords:

اطلاعات نویزی , وب کاوی , طبقه بندی صفحات وب , خوشه بندی وب , تشخیص نویز