A Novel Approach to Feature Selection Using PageRank algorithm for Web Page Classification
- سال انتشار: 1398
- محل انتشار: مجله پیشرفت در تحقیقات کامپیوتری، دوره: 10، شماره: 4
- کد COI اختصاصی: JR_JACR-10-4_001
- زبان مقاله: انگلیسی
- تعداد مشاهده: 196
نویسندگان
Department of Computer Engineering, Urmia Branch, Islamic Azad University, Urmia, Iran
Farhad Soleimanian Gharehchopogh
Department of Computer Engineering, Urmia Branch, Islamic Azad University, Urmia, Iran
چکیده
In this paper, a novel filter-based approach is proposed using the PageRank algorithm to select the optimal subset of features as well as to compute their weights for web page classification. To evaluate the proposed approach multiple experiments are performed using accuracy score as the main criterion on four different datasets, namely WebKB, Reuters-R۸, Reuters-R۵۲, and ۲۰NewsGroups. By analyzing the obtained results, it is observed that the accuracy score of the classifier on WebKB, Reuters-R۸, and Reuters-R۵۲ datasets significantly improved from ۹۱% up to ۹۶% compared to the best result achieved by other feature selection methods like IG and Chi-۲. Whereas, the accuracy score of the classifier on ۲۰NewsGroups dataset didn't see any noticeable improvement and remained close to the most compared methods. Evaluating the performance of the proposed approach shows the superiority of it in obtaining higher accuracy scores when compared with the feature sets selected by other methods.کلیدواژه ها
Feature Selection, PageRank algorithm, HITS, Web Page Classificationاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.