بابک نصیری - دانشکده برق کامپیوتر و فناوری اطلاعات دانشگاه آزاد اسلامی واحد قزوین
فریبرز محمودی - دانشکده برق کامپیوتر و فناوری اطلاعات
محمدرضا میبدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

صفحات وب حجم انبوهی از اطلاعات را در خود جای داده اند اما برای وب کاوی بسیاری از آنها زائد و اضافی می باشند از این رو لازم است بعنوان پیش پردازش ویژگیهای مناسب از بین این حجم اطلاعات استخراج شود از انجا که انتخاب ویژگیهای مناسب یک مسئله NP-hard بشمار می رود جستجو برای الگوریتم های تقریبی سریع و کارا همچنان ادامه دارد دراین مقاله یک روش ترکیبی جدید مبتنی بر تئوری مجموعه ناهموار و اتوماتای یادگیر توزیع شده برای انتخاب ویژگیهای مناسب در صفحات وب ارائه شده است نتایج حاصل از پیاده سازی روش پیشنهادی برروی چندین مجموعه داده از جمله یک مجموعه مبتنی بر وب حکایت از کارایی روش پیشنهادی درمقایسه با سایر روشهای شناخته شده دارد.

انتخاب ویژگیها، وب کاوی، اتوماتای یادگیر توزیع شده، تئوری مجموعه ناهموار، محتوی کاوی وب