Иерархический классификатор сайтов на основе обучения ансамблей

Вместе с развитие интернета и постоянным ростом количества информации в сети возрастает потребность в автоматической обработке и классификации этой информации. Одной из наиболее актуальных задач в этой области является задача иерархической классификации веб-сайтов. Программы, решающие данную задачу, могут иметь широкое применение в организации баз знаний, проведении маркетинговых и социологических исследований, сегментации пользователей, поиске и извлечении информации в сети. Целью данной работы является разработка программы для иерархической классификации сайтов, основанной на использовании ансамблей классификаторов. В работе рассматриваются существующие подходы к решению поставленной задачи, а также предлагаются свои методы и алгоритмы для улучшения существующих подходов. В частности, для отбора признаков предлагается метод, учитывающий структуру веб-страниц. Также предложен способ построения ансамбля классификатора, который комбинирует существующие подходы к задаче иерархической классификации. Предложенные методы сравниваются со стандартными методами в ходе нескольких экспериментов. В качестве обучающего и тестового набора данных используются данные яндекс-каталога. Работа содержит 44 страницы, 6 глав, 3 рисунка, 1 схему, 4 таблицы, 40 источников, 4 приложения. Ключевые слова: иерархическая классификация сайтов, анализ веб-контента, обучение ансамблей, машинное обучение.