MétaCan
Menu
Retour à la cohorte
Enregistrement W4403636007 · doi:10.1109/access.2024.3484578

QuickCharNet: An Efficient URL Classification Framework for Enhanced Search Engine Optimization

2024· article· en· W4403636007 sur OpenAlexaff
Fardin Rastakhiz, Mahdi Eftekhari, Sahar Vahdati

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpam and Phishing Detection
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesMinistry of Education and Research, RomaniaBundesministerium für Bildung und Forschung
Mots-clésComputer scienceSearch engineSpamdexingSearch engine optimizationInformation retrievalWeb search queryMetasearch engine

Résumé

récupéré en direct d'OpenAlex

The uniform resource locator (URL) conveys essential information about a page’s topic, authority, and security, which significantly influences its ranking in search engine results. However, many existing URL classification methods used for real-time online inference face challenges related to time and memory complexity during preprocessing, processing, and inference stages. In environments where quick decision-making is crucial, such as cybersecurity or digital marketing, slow or resource-intensive classification processes can limit the ability to prioritize and select URLs effectively. This study presents QuickCharNet, a novel URL classification architecture that combines character-level convolution with token-level representation to improve efficiency and generalizability for real-time URL inference. Key contributions of QuickCharNet include the use of max and mean pooling techniques to aggregate character embeddings into token embeddings, the exploration of sub-word tokenizers for optimal URL representation, and a comparative analysis of five models using metrics such as accuracy, F1-Score, and t-distributed Stochastic Neighbor Embedding (t-SNE) visualizations. By prioritizing user experience and safety, this research aims to enhance the accuracy of topic classification based on URL positioning in search engine results and evaluate the likelihood of spam. Ultimately, the findings support developers in efficiently identifying and addressing URL-related issues for improved search engine optimization. QuickCharNet was trained on a dataset developed for this study and two benchmark datasets. Experiments revealed optimal settings for URL classification and spam detection, resulting in a 4.92% improvement in topic classification and a 1% improvement in spam detection. These results emphasize the significance of URLs in search engine optimization: well-named URLs enable better topic classification, increasing the likelihood of appearing on the first page of search engine results by 4.92%. Conversely, URLs identified as spam face a higher chance of lower rankings, impacting their first-page visibility by 1%. Link to the source codes: <uri xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">https://github.com/FardinRastakhiz/QuickCharNet</uri>.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,067
Tête enseignante GPT0,367
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetSpam and Phishing DetectionTravaux en français237 207