Algorithmen für maschinelles Lernen zur Klassifizierung von Webseiten

Die heutige Welt ist stark von der Webtechnologie geprägt, und die Zahl der Webinformationen nimmt jedes Jahr erheblich zu. Die manuelle Klassifizierung von Webseitendokumenten erweist sich angesichts der Fülle irrelevanter, redundanter und verrauschter Informationen auf den Webseiten als zeitaufwändig und ungenau. Daher ist ein automatisches System zur Klassifizierung von Webseiten unerlässlich. Die Klassifizierung von Webseiten spielt eine entscheidende Rolle bei der Informationsverwaltung und -suche. Die Auswahl von Merkmalen ist ein entscheidender Schritt, um eine genaue Klassifizierung von Webseiten zu erreichen.Webseiten enthalten in der Regel eine große Anzahl von Merkmalen, was sich negativ auf die Klassifizierungsgenauigkeit auswirken kann. Das Hauptziel der vorgeschlagenen Forschung ist die Entwicklung eines hybriden Ansatzes zur Merkmalsauswahl, der nicht nur effizient, sondern auch effektiv bei der automatischen Klassifizierung von Webseiten ist. Dieser Ansatz verbessert nicht nur die Klassifizierungsgenauigkeit, sondern hilft auch Web-Suchwerkzeugen, relevante Ergebnisse innerhalb der entsprechenden Kategorie zu liefern.

Autorentext

El Dr. S. Markkandeyan y el Dr. A. Dennis Ananth trabajan actualmente como Profesores Asistentes Senior en la Escuela de Informática de la Universidad SASTRA Deemed, Thanjavur, Tamil Nadu, India.El Dr. M. Rajakumaran y el Dr. R. Venkatesan trabajan actualmente como Profesores Asistentes III en la Escuela de Informática de la Universidad SASTRA Deemed, Thanjavur, Tamil Nadu, India.