طبقه بندی محتوایی صفحات وب با استفاده از راهکارهای خوشه بندی

از آنجا که حجم اطلاعات بر روی وب روز به روز در حال افزایش است. سازماندهی این اطلاعات به منظور دسترسی سریع کاربران به محتوای مورد نظر یک نیاز ضروری می باشد. با توجه به رشد سریع وب، فراهم کردن روشی خودکار برای تقسیم بندی و طبقه بندی صفحات وب یک نیاز ضروری می باشد. در این مقاله چندین روش خوشه بندی صفحات وب مورد بررسی قرار گرفته است. این روش ها شامل خوشه بندی اسناد براساس ترکیب تگ های HTML، روش یادگیری ماشین K نزدیکترین همسایه، روش خوشه بندی بر اساس الگوریتم K-Means و خوشه بندی براساس پیوندهای خروجی است. سپس با استفاده از تمامی این الگوریتم ها دسته بندی صفحات وب مطابق با گروه بندی های از پیش تعیین شده انجام شده و پس از قرارگیری صفحات در گروه ها و دسته های مربوط به خود میزان درستی کار هر کدام از این الگوریتم ها را از طریق روش های ارزیابی خوشه بندی سنجیده شده و با سایر الگوریتم ها مقایسه شده و درصد موفقیت هریک را در گروه های مختلف محاسبه کرده و در نهایت به معرفی موفق ترین گروه در این آزمایش پرداخته شد. این طبقه بندی بوسیله ۱۰۰ صفحه وب متعلق به ۴ دسته آموزشی، پزشکی، خبری، ورزشی است.