maisМоделирование и анализ информационных системModeling and Analysis of Information Systems1818-10152313-5417Yaroslavl State University10.18255/1818-1015-2013-2-80-91mais-207Research ArticleОригинальные статьиArticlesЕдиная модель для геоклассификации веб-сайтовUnified Classification Model for Geotagging WebsitesВолковАлексей НиколаевичVolkovA. N.

разработчик программного обеспечения,

119021, Россия, г. Москва, ул. Льва Толстого, д. 16;

аспирант

разработчик программного обеспечения,

Leo Tolstoy St., 16, Moscow, 119021, Russia

ark-kum@yandex-team.ruООО «Яндекс»; Московский Физико-Технический ИнститутРоссияYandex LLCRussian Federation2013200420132028091Copyright © Волков А.Н., 20132013Волков А.Н.Volkov A.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.mais-journal.ru/jour/article/view/207

Работа представляет новый подход к задаче определения регионального фокуса веб-сайтов (геоклассификации). В отличие от традиционных подходов к многозначной классификации, когда для каждого класса (региона) обучается по отдельной классификационной модели, предлагаемый подход основан на обучении всего одной модели, которая используется для всех регионов одного типа (например, для городов). Такой подход становится возможным благодаря использованию "относительных" факторов, которые показывают, как некоторый выбранный регион соотносится с другими регионами для заданного веб-сайта. Классификатор задействует большой набор разнородных факторов, которые до этого момента не использовались вместе для геоклассификации веб-сайтов с применением машинного обучения. Оценка качества демонстрирует преимущество нашего подхода "по одной модели на тип региона" перед традиционным подходом "по одной модели на регион". Отдельный эксперимент демонстрирует способность описываемого классификатора успешно детектировать регионы, которые отсутствовали в обучающей выборке (что невозможно при использовании традиционных подходов).

The paper presents a novel approach to finding regional scopes (geotagging) of websites. Unlike the traditional approaches, which generally involve training a separate classification model for each class (region), the proposed method is based on training a single model which is used for all regions of the same type (e.g. cities). This approach is made possible by the usage of ”relative” features which indicate how a selected region matches up to other regions for a given website. The classification system uses a variety of features of different nature that have not been yet used together for machine-learning based regional classification of websites. The evaluation demonstrates the advantage of our ”one model per region type” method versus the traditional ”one model per region” approach. A separate experiment demonstrates the ability of the proposed classifier to successfully detect regions which were not present in the training set (which is impossible for traditional approaches).

геоклассификациямашинное обучениеgeotaggingclassification modelsmachine learningReferencesAmitay E., Har’El N., Sivan R., and A. Soffer. Web-a-where: geotagging web content. SIGIR. ACM, 2004. P. 273–280.Amitay E., Har’El N., Sivan R., and A. Soffer. Web-a-where: geotagging web content. SIGIR. ACM, 2004. P. 273–280.Cheng Z., Caverlee J., and Lee K. You are where you tweet: a content-based approach to geo-locating twitter users. CIKM, 2010. P. 759–768.Cheng Z., Caverlee J., and Lee K. You are where you tweet: a content-based approach to geo-locating twitter users. CIKM, 2010. P. 759–768.Crandall D. J., Backstrom L., Huttenlocher D., and Kleinberg J. Mapping the world’s photos. WWW. ACM, 2009. P. 761–770.Crandall D. J., Backstrom L., Huttenlocher D., and Kleinberg J. Mapping the world’s photos. WWW. ACM, 2009. P. 761–770.Ding J., Gravano L., and Shivakumar N. Computing geographical scopes of web resources. VLDB, 2000.Ding J., Gravano L., and Shivakumar N. Computing geographical scopes of web resources. VLDB, 2000.Gulin A. and Karpovich P. Greedy function optimization in learning to rank., 2009.Gulin A. and Karpovich P. Greedy function optimization in learning to rank., 2009.Liu T.-Y. Learning to rank for information retrieval // Foundations and Trends in Information Retrieval. 2009. 3.Liu T.-Y. Learning to rank for information retrieval // Foundations and Trends in Information Retrieval. 2009. 3.Pyalling A., Maslov M., and Braslavski P. Automatic geotagging of russian web sites. WWW, 2006. P. 965–966.Pyalling A., Maslov M., and Braslavski P. Automatic geotagging of russian web sites. WWW, 2006. P. 965–966.Pyalling A., Maslov M., and Trifonov S. Automatic classification of websites. RCDL, 2008.Pyalling A., Maslov M., and Trifonov S. Automatic classification of websites. RCDL, 2008.Qi X. and Davison B. D. Web page classification: Features and algorithms // ACM Comput. Surv. 2009. 41.Qi X. and Davison B. D. Web page classification: Features and algorithms // ACM Comput. Surv. 2009. 41.Serdyukov P., Murdock V., and van Zwol R. Placing flickr photos on a map. SIGIR, 2009. P. 484–491.Serdyukov P., Murdock V., and van Zwol R. Placing flickr photos on a map. SIGIR, 2009. P. 484–491.Zong W., Wu D., Sun A., Lim E.-P., and Goh D. H.-L. On assigning place names to geography related web pages. JCDL. ACM, 2005. P. 354–362.Zong W., Wu D., Sun A., Lim E.-P., and Goh D. H.-L. On assigning place names to geography related web pages. JCDL. ACM, 2005. P. 354–362.

The authors declare that there are no conflicts of interest present.