Dinamičko prepoznavanje dijelova web stranica

master's thesis

• Title (english): Dynamic identification of web page parts
• Author: Tomislav Tenodi
• Mentor: Krešimir Fertalj (mentor)
• Committee member: Krešimir Fertalj (predsjednik povjerenstva)
• Committee member: Igor Mekterović (član povjerenstva)
• Committee member: Boris Milašinović (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2015-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Web, s gotovo milijardu stranica, predstavlja današnji glavni izvor podataka. Semantički web ili standardi, kao Schema.org omogućuju programerima stranica da naprave svoje stranice dostupne bez ljudskog utjecaja. No, programeri često ne dijele interes za tim konceptima.
Prednost i novitet koju dinamički model prepoznavanja semantičkih dijelova web stranica, napravljen ovim radom, donosi sastoji se u mogućnosti dohvaćanja stranica sa semantičkom organizacijom bez nužne ovisnosti o programerima. S druge strane, model je fleksibilan i može iskoristiti prednosti metapodataka semantičkog weba i metapodataka standarda Schema.org te tako predstavlja univerzalnu početnu točku za semantičkom segmentacijom web stranica.
Osim dinamičkog modela, napravljena je označna ekstenzija i poslužitelj. Označna ekstenzija, napravljena kao Google Chrome ekstenzija, omogućava označivačima diljem svijeta da označuju stranice, a zatim ih pošalju na poslužitelj.
Poslužitelj, osim pohranjivanja označenih stranica, služi za prezentaciju i dokumentaciju sveukupnog koncepta, perzistenciju modela i sadrži komponentu za provjeru kvalitete označenih stranica. Poslužitelj također pruža API putem kojeg se može pristupiti dinamičkom modelu i preko kojeg se dobiva semantički segmentirana web stranica.
Sve tri opisane komponente s budućim Oculi agentima, koji će koristiti API na poslužitelju, čine sustav Oculi. Namjena sustava Oculi je približiti web svim korisnicima i dati svim statičkim komponentama stranica semantičku vrijednost.

Abstract (english)

Web, with nearly a billion websites online, acts as the primary data source of today's people. Semantic web or other standards, like Schema.org enable website programmers to make their websites accessible without human interaction. However, these concepts often do not represent interest to website programmers.
The advantage and novelty that dynamic model for semantic recognition of website parts, discussed within this work, brings along is that it allows retrieving semantically organised websites without the necessary dependency towards programmers. On the other hand, it is flexible and can create advantage of the usage of semantic web metadata or Schema.org metadata, which makes it universal starting point for semantic segmentation of websites.
Along with dynamic model, labeling extension and server were created. Labeling extension, made as Google Chrome extension, allows taggers across the world to label websites which are then sent to server.
Server, in addition to storing labeled website, serves for presentation and documentation of overall concept, persistence of the model and contains component for evaluating the quality of labeled websites. Server also provides an API, through which dynamic model is used and one can get semantically segmented website.
All three described components, together with the future Oculi agents, who will use the API of the server, make the Oculi system. The Oculi system intends to bring web closer to all of its users and to give all static page components semantic value.

• Keywords: Prepoznavanje semantičkih dijelova; Web; Strojno učenje; Semantički Web
• Keywords (english): Recognition of semantic parts; Web; Machine learning; Semantic Web
• Language: croatian
• URN:NBN: urn:nbn:hr:168:332093
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 12:27:14