izpis_h1_title_alt

Iskanje in razvrščanje spletnih trgovin
BIRSA, ARON (Avtor), Robnik Šikonja, Marko (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (737,37 KB)

Izvleček
Cilj diplomske naloge je razvoj orodja, ki omogoča avtomatsko zaznavanje spletnih trgovin glede na tip izdelkov, ki jih ponuja. Spletne strani smo klasificirali v sedem vnaprej določenih kategorij: starine in zbirke, oblačila, zabavna elektronika, pohištvo, dom in vrt, nakit in pisarniški izdelke. Glavni problem je bil pridobivanje ustreznih podatkov za izgradnjo učne in testne množice ter klasificiranje spletnih strani. Uporabili smo naslednje metode strojnega učenja: naivni Bayesov klasifikator, k-najbližjih sosedov, metodo naključnih gozdov, nevronsko mrežo in metodo podpornih vektorjev. Najbolj obetavne rezulate smo dobili z metodo podpornih vektorjev.

Jezik:Slovenski jezik
Ključne besede:specializirani iskalnik, podatkovno rudarjenje, strojno učenje, spletne trgovine, analiza besedil, naivni Bayesov klasifikator, k-najbližjih sosedov, metoda naključnih gozdov, nevronska mreža, metoda podpornih vektorjev.
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2017
Število ogledov:566
Število prenosov:484
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Search and classification of web shops
Izvleček:
The aim of the thesis was to develop a tool for automatic classification of online stores depending on the type of products they offer. Websites are classified into seven predefined categories: antiques and collectibles, cloth- ing, consumer electronics, furniture, home and garden, jewelry and office products. The main problem was getting relevant data to build a learning and test data set and classifying web sites. The following machine learning methods were used: naive Bayesian classifier, k-nearest neighbors algorithm, random forests, neural networks and support vector machine. The most promising result were obtained using the support vector machine classifier.

Ključne besede:specialized search engine, data mining, machine learning, e- commerce, text analysis, naive Bayesian classifier, k-nearest neighbors algo- rithm, random forests, neural networks, support vector machine.

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj