Webページ集合からのサイト再構築の一手法

摘要

増え続ける大量のWebページの検索では，関連するページ集合を1つのグループにまとめて検索結果を表示することで利用者の閲覧性を向上できると考えられる，本論文では，このような検索の利便性向上と，Webコンテンツの構造解析，評価をねらいとするページ集合の組織化手法を提案する．関連するページをサイトとしてグループ化するため，機械学習の一手法である政志木を用いてサイトのトノブページとサイト問の境界とを決定する．また，決定木の作成には，URLのパス表記などで与えられるページ間の関係と，ページ内に記述される特定表現の出現状況を尿性としたことを特徴とする。日本語で記述されている約4000万のWebページ集合を用いた検証実験の結乳提案法は80％以上の割合で一般的な解釈に沿ったサイトを再構成し得ることを確認した．