스타일에 따른 웹 문서의 자동 분류
Automatic Classification of Web documents According to their Styles
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
스타일 또는 장르는 문서의 주제와는 다른 문서를 보는 또 하나의 관점이 될 수 있다. 그렇기 때문에 문서의 스타일은 문서 분류의 기준으로 사용될 수 있다. 문서의 스타일에 따른 자동 분류 시스템에 대한 여러 연구들이 수행되어 왔다. 그러나 이런 연구들의 대부분이 일반 문서를 대상으로 수행하였으며, 몇몇 일부의 연구만이 웹 문서를 대상으로 스타일 분류에 대한 연구를 수행하였다. 웹 문서는 일반 문서와는 달리 URL과 HTML을 갖고 있다. 본 연구에서는 이와 같은 URL과 HTML로부터 추출한 자질들을 웹 문서의 스타일 분류에 사용해 보고자 한다. 실험을 통해서 이와 같은 자질들이 웹 문서의 스타일 분류에 어떤 영향을 미치는지를 밝혀보고자 한다.
Abstract
A genre or a style is another view of documents different from a subject or a topic. The style is also a criterion to classify the documents. There have been several studies on detecting a style of textual documents. However, only a few of them dealt with web documents. In this paper we suggest sets of features to detect styles of web documents. Web documents are different from textual documents in that they contain URL and HTML tags within the pages. We introduce the features specific to web documents, which are extracted from URL and HTML tags. Experimental results enable us to evaluate their characteristics and performances.
참고문헌 (15)
- "Text genre classification with genre-revealing and subject-revealing features", pp.145~150 (2002)
- "Spoken and written textual dimensions in English：Resolving the contradictory findings", 62(2), pp.384~413 (1986)
- "The multidimensional approach to linguistic analyses of genre variation", 26(5-6), pp.331~347 (1992)
- "Recognizing text genres with simple metrics using discriminant analysis", pp.1071~1075 (1994)
- "Dimensions of register variation" (1995), Cambridge University Press
- "An empirical text categorizing computational model based on stylistic aspects", pp.71~77 (1996)
- "Automatic detection of text genre", pp.32~38 (1997)
- "Automatic text categorization in terms of genre and author", 26(4), pp.471~495 (2000)
- "Text genre detection using common word frequencies", pp.808~814 (2000)
- "Iterative information retrieval using fast clustering and usage-specific genres", pp.85~92 (1998)
- "Assembling a balanced corpus from the internet" (1998), In Proceedings of 11th Nordic Computational Linguistics Conference
- "Evaluating contents-link coupled web page clustering for web search results", pp.499~506 (2002)
- "Practical issues for automated categorization of web sites" (2000), ECDL 2000 Workshop on the Semantic Web
- "Greedy attribute selection", pp.28~36 (1994), In International Conference on Machine Learning
- "The importance of prior probabilities for entry page search", pp.27~34 (2002)