Detekce žánrů webových stránek

Abstract

Hlavním cílem práce je prozkoumání existujících metod automatické detekce žánrů webových stránek, dále vybranou metodu implementovat pro detekci několika žánrů a otestovat.V práci bude popsaná stručná definice webových žánrů, čím se odlišují, definice vlastností webových stránek. Dále budou popsány předchozí prováděné experimenty a některé existující metody detekce. Aby mohla být přesnost vybrané metody ověřena, bude navržena desktopová aplikace pro stahování webových stránek, parsování webových stránek a detekci jejich žánrů. Nakonec bude přesnost detekce mojí metody porovnána s jinými metodami.

The main aim of my work is exploration of existing methods of automatic web genre detection, then I implement and test the chosen method for several genres. In my work definition of web genre, differences between each other and features of web genres will be described briefly. Then previous solved experiments and some existing methods of detection will be described. In order to check accuracy of chosen method desktop application will be designed. It will be able to downloading and parsing a web pages and detect its genre. Finally accuracy of my method will be compared with other methods.