Klassifizierung von Web-Dokumenten Buchkatalog

Bei der Web-Archivierung werden Web-Dokumentegesammelt und dauerhaft abgelegt. Um Missbrauchvorzubeugen müssen sensitive Daten identifiziert undgegen unbefugte Zugriffe gesichert werden. Dadurchwerden Anwendungsfälle denkbar in welchen auf Basisvon sensitiven Daten Auswertungen vorgenommen werdenohne dabei die Daten selbst preis zugeben. Bei derGenre-Analyse werden Web-Dokumente aufgrund ihrerForm sowie des Stils einer Seite unabhängig vomeigentlichen Thema klassiffiziert. Zielsetzung dieserArbeit ist es, diese Methode dahingehend zuerweitern, dass es einem Archivierungssystem vonWeb-Dokumenten möglich ist, private und öffentlicheElemente von Web-Dokumenten unterscheiden zu können.Bisherige Ansätze in diesem Bereich agierenausschließlich auf Dokumentenebene. Web-Dokumenteenthalten jedoch häufig mehrere unterschiedlicheGenres. Diese Arbeit entwickelt einen Ansatz zurErkennung von zusammengehörenden Textsegmenten, welcher Absätze und gegebenenfalls damit verbundeneGenre- Übergänge erkennt. Darauf aufbauend wird einAnsatz für die Klassifizierung von privaten undöffentlichen Elementen von Web-Dokumenten aufDokumenten- und Absatzebene vorgestellt.