Web sayfası sınıflandırması için boyut indirgenmesi

Web sayfası sınıflandırması; bir Web sayfasını, bir ya da daha çok ön-tanımlı kategoriye ayırma işlemidir. Diğer sınıflandırma işlemleri gibi bu işlem, veri ön-işleme, özellik seçimi, sınıflandırma ve değerlendirme adımlarını içerir. Sınıflandırma adımında hesaplama hızı ve doğruluğu artırmak için sınıflandırıcıların Web sayfalarından seçilmiş temsil gücü yüksek ve iyi niteliklerle öğrenilmesi gerekir. Bu çalışmanın amacı; sınıflandırıcıların çalışma hızını ve doğruluğunu için Web sayfası sınıflandırma probleminin boyutunu indirgemeyi sağlayacak yeni filtre tabanlı nitelik seçimi yöntemlerini geliştirmektir. Denetimli sınıflandırma algoritmaları olarak destek vektör makineleri, naive Bayes multinomial ve karar ağacı kullanılmıştır. Deneyler ve değerlendirmeler için Konferens ve WebKB veri kümeleri kullanılmıştır. Geliştirdiğimiz yöntemlerin sınıflandırma başarını değerlendirmek için, yaygın olarak kullanılan kazanç oranı (gain ratio), ki-kare (chi-square), korelasyon filtre (correlation filter) ve tahliye(relief) gibi filtre tabanlı yöntemlerin performanslarıyla karşılaştırılmıştır. Performans ölçütü olarak makro-ortalama F-ölçeği kullanılmış ve dört katlı çapraz doğrulama işlemi uygulanmıştır. Deneysel sonuçlar geliştirdiğimiz yöntemlerin iyi olduğunu ve Web sayfası sınıflandırmasında nitelik seçici olarak kullanılabileceğini göstermiştir.