Classification using XSLT
XSLT ile sınıflandırma
- Tez No: 216486
- Danışmanlar: YRD. DOÇ. DR. ATAKAN KURT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: XML, XSLT, Yarı-Yapılandırılmış döküman, Sınıflandırma, Bilşen, XML, XSLT, Semi-Structured Document, Classification, Component Tagging
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Fatih Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
XSLT sınıflandırma; yarı-yapılandırılmış (XML) ve web dökümanı (HTML) sınıflandırma tekniklerinin avantajlı yönlerini birleştiren melez bir sınıflandırma yöntemidir. Birçok organizasyonun belirli alanlara yönelik biçimlendirme dili oluşturma çalışmalarına rağmen XML biçimlendirme dili HTML biçimlendirme dili gibi herhangi bir standart sözlüğe bağlı değildir. Yinede farklı kaynaklar tarafından hazırlanan XML dökümanlarında, içeriği biçimlendirmek için kullanılan eleman yada özellik isimleri aynı alanlar içerisinde benzerlik göstermektedir. Bu çalışmada sunulan XSLT sınıflandırma tekniği, bileşen etiketlemek ?içerikte geçen her kelimenin kendisini çevreleyen eleman/özellik etiketleriyle öneklendirilmesi- üzerine bina edilmiştir. Ayrıca her her ata-eleman kendisinin ata elemanlarıyla öneklendirilmiştir. HTML dökümanında geçen fakat XML dökümanında geçmeyen meta, title, anchor, img gibi etiketlerin içeriği ve yalın söz dizimleri sınıflandırma sürecinde terim sıklık dizisine eklenir. İki farklı deney veri kümesi üzerinde çalıştırılmıştır. Birinci deneyde birbirinden farklı XML bileşen etiketleme yöntemleri karşılaştırılmıştır. Deneyde, gevşek-ata-hiyerarşisine dayanan modellerin, sıkı-ata-hiyerarşisine dayanan modellerden daha iyi olduğu ispatlanmıştır. İkinci deneyde, HTML, XML, ve XSLT sınıflandırma teknikleri karşılaştırılmış ve XSLT yönteminin diğerlerinden daha iyi doğruluk oranı verdiği görülmüştür.
Özet (Çeviri)
XSLT classification is a hybrid technique that takes advantages of both web page (HTML) and semi-structured document (XML) classification. Although a number of organizations are working on standardizing XML markup for specific domains on behalf of electronic data interchange, XML doesn?t force any predefined vocabulary like HTML. Nevertheless, XML markups generated by different sources for a specific domain usually have similarities in terms used as tag or attribute names and in structure used to represent content. Proposed XSLT classification is based on component tagging; each occurring word is prefixed with elements in ancestor hierarchy. Additionally, each ancestor element is prefixed with its ancestors as well. Furthermore; terms exist in HTML markups like meta, title, anchor, img and literal strings exist in HTML but not in XML are included into term frequency vector that represents document in classification process. Two different experiments are run over the dataset. The first experiment compares different component tagging models that represent XML documents. The models that are based on loose ancestor hierarchy are better than the ones based on strict ancestor hierarchy. The second experiment compares HTML, XML, and XSLT classification techniques. XSLT classification gives higher accuracy rates than XML and HTML.
Benzer Tezler
- Derin öğrenme modelleri kullanılarak beyin ve beyne etki eden bazı tümörlerin sınıflandırılması
Classification using deep learning models for brain tumors and some tumors affecting the brain
BEYZA NUR TÜZÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DURMUŞ ÖZDEMİR
- MYO bileklik kullanılarak alınan parmak hareketlerine ait EMG işaretlerinin makine öğrenme yöntemleri ile sınıflandırılması
Classification using machine learning methods of finger gesture EMG signals acquired with MYO armband
MUHAMMED ERDİM
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ TEPE
- Classification using spiking neural networks
Darbeli sinir ağları ile sınıflandırma çözümleri
GÖKÇEN SİNANOĞLU
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKYAY KAYNAK
- Cloud classification using residual network
Residual network ile bulut görüntülerini sınıflandırması
MERYEM SENA BARK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. OSMAN AKIN
- Derin öğrenme algoritmalarını kullanarak görüntü sınıflandırma
Image classification using deep learning algorithms
UTKU KUBİLAY ÇINAR
Yüksek Lisans
Türkçe
2020
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK