Interneto puslapių analizė naudojant genetinius algoritmus
Magistrinis darbas nagrinėja klasifikavimo algoritmus ir jų naudojimą interneto analizėje. Apžvelgiami k-artimiausių kaimynų, sprendimų medžiai, naivus bajeso, neuroninių tinklų algoritmai. Jie palyginami ir išsirenkamas vienas algoritmas, kad jį naudojant kartu su genetiniais algoritmais būtų palyginami tekstiniai dokumentai. Po to sukuriamas algoritmas, kuris naudoja k-artimiausių kaimynų ir genetinius algoritmus, kad rastu artimiausius dokumentus rinkinyje. Galiausia algoritmas igyvendinamas prototipe, kuris ieško tarp straipsnių rinkinio artimiausių pavyzdiniam. Prototipas ištestuojamas.
Master's thesis reviews classifications algorithms and their usability in web mining. K-nearest neighbour, decisions trees, naive bayes algorithm, neural networks are reviewed in thesis. One algorithm is picked from reviewed algorithms so it could be used to compare text documents. Algorithm is created to use k-nearest neighbour and genetic algorithms for finding similar texts. Algorithm is implemented in prototipe which finds nearest text documents in collection. Prototipe was tested.