Prilagodba sadržaja mrežnih stranica za internetske tražilice pomoću strojnoga učenja i obrade prirodnoga jezika

doctoral thesis

• Title (english): Web page content adjustment for search engines using machine learning and natural language processing
• Author: Goran Matošević; MBZ: 336810
• Mentor: Jasminka Dobša (mentor); MBZ: 218640
• Mentor: Dunja Mladenić (komentor); MBZ: 267611
• Committee member: Danijel Radošević (predsjednik povjerenstva); MBZ: 210804
• Committee member: Jan Šnajder (član povjerenstva); MBZ: 267611
• Committee member: Markus Schatten (član povjerenstva); MBZ: 291806
• Granter: University of Zagreb; Faculty of Organization and Informatics; Varaždin
• Defense date and country: 2019-10-03, Croatia
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Information and Communication Sciences; Information and Software Engineering
• Universal decimal classification (UDC): 004 - Computer science and technology. Computing. Data processing

Abstract

Optimizacija mrežnih stranica za tražilice (engl. Search engine optimization, SEO) podrazumijeva tehnike pomoću kojih autor mrežnih stranica provodi nad svojim stranicama kako bi one što bolje rangirale u organskim (prirodnim) rezultatima pretraživanja na internetskim tražilicama za odabrane ključne riječi. Taj proces između ostalog uključuje i optimizaciju sadržaja, odnosno prilagodbu sadržaja mrežnih stranica prema preporukama za optimizaciju mrežnih stranica za tražilice (u daljem tekstu SEO preporukama). Ovim istraživanjem ispituje se mogućnost upotrebe strojnog učenja za klasifikaciju mrežnih stranica u tri predefinirane klase s obzirom na stupanj prilagodbe sadržaja SEO preporukama. Pomoću strojnoga učenja izgrađeni su klasifikatori koji su naučili svrstati nepoznati uzorak (mrežnu stranicu) u predefinirane klase, te utvrditi značajne faktore (varijable) koje utječu na stupanj prilagodbe. Također izgrađen je sustav ispravka „neprilagođenih“ stranica upotrebom tehnika iz domene obrade prirodnog jezika. Rezultati su pokazali da se pomoću strojnog učenja može ocijeniti stupanj prilagođenosti stranice SEO preporukama, da se strojno učenje može koristiti za utvrđivanje značajnih faktora, te da se izgrađeni sustav prilagodbe može koristiti za ispravak tj. poboljšanje mrežnih stranica koje su u prethodnim fazama klasificirane kao "neprilagođene".

Abstract (english)

Search engine optimization (SEO) involves techniques by which the author of the website customizes the website so that it ranks higher in organic (natural) search results on popular Internet search engines for selected keywords. This process includes, among others, the optimization of content (text) to fit SEO recommendations. This study examines the possibility of using machine learning tecniques to classify web pages into three predefined classes related to the degree of content adjustment to the SEO recommendations. Using machine learning algorithms, classifiers are built and trained to classify an unknown sample (web page) in the predefined classes and to identify important factors that affect the degree of adjustment. In addition, using algorithms from the domain of natural language processing a system for correction is built and tested. Results show that machine learning can be used to predict the degree of adjustments of web pages to SEO recommendations, for identifying important SEO factors and that the proposed correction system can be used to correct pages which were classified as "misfits" in prior stages.

• Keywords: optimizacija mrežnih stranica; SEO mrežnih stranica za tražilice; on-page optimizacija; klasifikacija; strojno učenje; obrada prirodnoga jezika
• Keywords (english): Search engine optimization; SEO; on-page optimization; classification; machine learning; natural language processing
• Language: croatian
• URN:NBN: urn:nbn:hr:211:750631
• Study programme: Title: Postgraduate doctoral study in Information Science; Study programme type: university; Study level: postgraduate; Academic / professional title: doktor/doktorica znanosti, područje društvenih znanosti, polje informacijske i komunikacijske znanosti (doktor/doktorica znanosti, područje društvenih znanosti, polje informacijske i komunikacijske znanosti)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2019-10-23 13:30:13