آشنايي با روش هاي رفع اطلاعات نويزي در صفحات وب براي داده كاوي

يك صفحه وب تجاري معمولا حاوي اطلاعات زيادي است بلوك هايي به غير از بلوك هاي محتوا اصلي، معمولا چنين است بلوك هايي چون پانل هاي ناوبري، اطلاعيه هاي كپي رايت و حريم خصوصي، و تبليغات (براي اهداف كسب و كار و براي دسترسي آسان به كاربران). ما اين بلوك ها را كه بلوك هاي اصلي محتوا نيستند بلوك هاي پر سر و صدا مي ناميم. ما نشان مي دهيم كه اطلاعات موجود در اين بلوك هاي پر سر و صدا مي تواند به طور جدي به وب كاوي آسيب بزنند و از بين بردن اين سر و صدا از اهميت زيادي برخوردار است.دراين با روش هايي براي حذف اين داده ها آشنا مي شويم و هدف آشنايي مختصري با برخي مفاهيم داده كاوي خوشه بندي و طبقه بندي داده ها مي باشد.