抄録
O-033
リンク特性分析によるWebドキュメント中のノイズデータ除去手法の提案
◎堤　浩太・梅澤　猛・大澤範高（千葉大）
ブログやSNSなどのCGMの普及に従い，集合知獲得の手段としてWebマイニング技術が注目されている．適切なマイニングを行うためのCGMコンテンツに含まれる広告などのノイズデータ除去にはDOMツリー分析が有効であるが，下位層の処理が粗くなってしまうことが知られている．そこで，本研究ではDOMツリー内のノードにおいてリンク特性分析を行うことで下位層におけるノイズデータ除去を適切に行う手法を提案する．また，教師信号付き機械学習により，ノイズデータにおけるリンク特性モデルを獲得する機能により，ルールベースの既存手法に比べ未知のノイズデータや言語の差異にも適応可能な汎用的手法を目指す．