چکیده فارسی :

در این مقاله الگوریتم جدیدی ارائه می شود که هدف آن کاهش ابعاد است و در دسته بندی صفحات وب کاربرد دارد. از یک مجموعه ی ناهمگن از صفحات وب به عنوان مجموعه داده استفاده می شود. صفات انتخابی برای دسته بندی، محتوای متنی صفحات است. با استفاده از الگوریتم پیشنهادی می توان ابعاد بالای صفات و کلمات استخراجی از صفحات را به یک ابرصفحه ی جدید تصویر نمود که ابعاد آن برابر با تعداد کلاس هاست. نتایج نشان می دهد که زمان پردازش الگوریتم دسته بندی با استفاده از الگوریتم کاهش بعد پیشنهادی به طرز قابل توجهی کاهش می یابد. میزان کاهش آن وابسته به تعداد صفات ارائه شده به دسته بندهاست. همچنین در قیاس با تست های اجرا شده بدون استفاده از الگوریتم کاهش ابعاد پیشنهادی، دقت الگوریتم های دسته بندی پیشنهادی افزایش یافته است.

چکیده انگلیسی :

This paper introduces a new algorithm for dimensionality reduction and its application on web page classification. A heterogeneous collection of web pages is used as the dataset. Selected attributes for classification are the textual content of pages. Using the offered algorithm, high dimension of attributes- words extracted from the pages- are projected onto a new hyper plane having dimensions equal to the number of classes. Results show that processing times of classification algorithms dramatically decrease with the offered reduction algorithm. This mostly relies on the number of attributes given to classifiers fall off. Accuracies of the classification algorithms also increase compared to tests run without using the proposed reduction algorithm.