大規模WWWデータからの情報資源構築のための高性能分類方式の研究

2008 年度 研究成果報告書

• 研究課題/領域番号: 18300037
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: メディア情報学・データベース
• 研究機関: 国立情報学研究所
• 研究代表者: 大山 敬三 国立情報学研究所, コンテンツ科学研究系, 教授 (90177022)
• 連携研究者: 高須 淳宏 国立情報学研究所, コンテンツ科学研究系, 教授 (90216648) ; 相澤 彰子 国立情報学研究所, コンテンツ科学研究系, 教授 (90222447) ; 高久 雅生 物質・材料研究機構, 科学情報室, 主任エンジニア (00399271)
• 研究期間 (年度): 2006 – 2008
• キーワード: Webページ分類 / テキスト分類 / 機械学習 / 周辺ページ / 性能保証 / 判定コスト / 情報資源 / 情報検索

研究概要

ウェブデータから情報資源を構築する際の省力化には,ウェブページの自動分類の精度を高める必要がある。本研究では,周辺ページの内容を有効に活用して分類性能を高めるため,ウェブサイト内のリンクとディレクトリ階層に表現された潜在的意味を活用する手法,及び分類に悪影響を与える周辺ページを除去する手法を開発し,実験により有効性を確認した。本手法により,人手による確認・判定作業を大幅に削減することが可能となった。

研究成果

• [雑誌論文] Web page classification based on surrounding page model representing connection type and directory hierarchy (2009)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 雑誌名: 情報処理学会論文誌データベース No.TOD-42 (印刷中)
  • 査読あり
• [雑誌論文] Building web page collections efficiently exploiting local surrounding pages (2009)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 雑誌名: Progress in Informatics No.6 ページ: 27-39
  • 査読あり
• [雑誌論文] 大規模データベースを利用したリンケージシステムの提案と実装 (2008)
  • 著者名/発表者名: 相澤彰子, 高久雅生, 大山敬三
  • 雑誌名: 日本データベース学会Letters Vol.6, No.4 ページ: 17-20
  • 査読あり
• [雑誌論文] Combining page group structure and content for roughly filtering researchers' homepages with high recall (2006)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 雑誌名: 情報処理学会論文誌データベース Vol.47, No.SIG 8 ページ: 11-23
  • 査読あり
• [学会発表] Name disambiguation of Japanese researchers: a case study with statistics research community (2008)
  • 著者名/発表者名: Masao Takaku, Akiko Aizawa, Yasumasa Baba
  • 学会等名: Joint Meeting of 4th World Conference of the IASC and 6th Conference of the Asian Regional Section of the IASC on Computational Statistics & Data Analysis (IASC2008)
  • 発表場所: Yokohama, Japan
  • 年月日: 2008-12-05
• [学会発表] Web page classification exploiting surrounding pages with noisy page filtering (2008)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 学会等名: The 2008 International Conference on Data Mining (DMIN2008)
  • 発表場所: Las Vegas, Nevada, USA
  • 年月日: 2008-07-14
• [学会発表] A smoothing method for a statistical string similarity (2007)
  • 著者名/発表者名: Atsuhiro Takasu, Kenro Aihara, Taizo Yamada
  • 学会等名: IEEE Intl. Conf. on Information Reuse and Integration (IRI2007)
  • 発表場所: Las Vegas, USA
  • 年月日: 2007-08-13
• [学会発表] Framework for building a high-quality web page collection considering page group structure (2007)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 学会等名: Joint 9th Asia-Pacific Web Conference, APWeb 2007, and 8th International Conference, on Web-Age Information Management, WAIM 2007
  • 発表場所: HuangShan, China
  • 年月日: 2007-07-16
• [学会発表] Web page classification considering page group structure for building a high-quality homepage collection (2007)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 学会等名: Third International Conference on Web Information Systems and Technologies (WEBIST 2007)
  • 発表場所: Barcelona, Spain
  • 年月日: 2007-03-03
• [学会発表] Web page classification exploiting contents of surrounding pages for building a high-quality homepage collection (2006)
  • 著者名/発表者名: Yuxin Wang, Keizo Oyama
  • 発表場所: Kyoto, Japan
  • 年月日: 2006-11-27