Web Information Systems Engineering

WISE 2015 16th International

Conference Miami FL USA November 1
3 2015 Proceedings Part II 1st Edition
Jianyong Wang
Visit to download the full and correct content document:
https://textbookfull.com/product/web-information-systems-engineering-wise-2015-16th
-international-conference-miami-fl-usa-november-1-3-2015-proceedings-part-ii-1st-edi
tion-jianyong-wang/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Web Information Systems Engineering – WISE 2018: 19th

International Conference, Dubai, United Arab Emirates,
November 12-15, 2018, Proceedings, Part II Hakim Hacid

https://textbookfull.com/product/web-information-systems-
engineering-wise-2018-19th-international-conference-dubai-united-
arab-emirates-november-12-15-2018-proceedings-part-ii-hakim-
hacid/

Web Information Systems Engineering WISE 2014 15th

International Conference Thessaloniki Greece October 12
14 2014 Proceedings Part II 1st Edition Boualem
Benatallah
https://textbookfull.com/product/web-information-systems-
engineering-wise-2014-15th-international-conference-thessaloniki-
greece-october-12-14-2014-proceedings-part-ii-1st-edition-
boualem-benatallah/

Web Information Systems Engineering – WISE 2020: 21st

International Conference, Amsterdam, The Netherlands,
October 20–24, 2020, Proceedings, Part II Zhisheng
Huang
https://textbookfull.com/product/web-information-systems-
engineering-wise-2020-21st-international-conference-amsterdam-
the-netherlands-october-20-24-2020-proceedings-part-ii-zhisheng-
huang/

Web Information Systems Engineering WISE 2019 20th

International Conference Hong Kong China November 26 30
2019 Proceedings Reynold Cheng

https://textbookfull.com/product/web-information-systems-
engineering-wise-2019-20th-international-conference-hong-kong-
china-november-26-30-2019-proceedings-reynold-cheng/
HCI International 2015 Posters Extended Abstracts
International Conference HCI International 2015 Los
Angeles CA USA August 2 7 2015 Proceedings Part II 1st
Edition Constantine Stephanidis (Eds.)
https://textbookfull.com/product/hci-international-2015-posters-
extended-abstracts-international-conference-hci-
international-2015-los-angeles-ca-usa-
august-2-7-2015-proceedings-part-ii-1st-edition-constantine-
stephanidis-eds/
Web Information Systems Engineering WISE 2014 15th
International Conference Thessaloniki Greece October 12
14 2014 Proceedings Part I 1st Edition Boualem
Benatallah
https://textbookfull.com/product/web-information-systems-
engineering-wise-2014-15th-international-conference-thessaloniki-
greece-october-12-14-2014-proceedings-part-i-1st-edition-boualem-
benatallah/

Advanced Information Systems Engineering 27th

International Conference CAiSE 2015 Stockholm Sweden
June 8 12 2015 Proceedings 1st Edition Jelena
Zdravkovic
https://textbookfull.com/product/advanced-information-systems-
engineering-27th-international-conference-caise-2015-stockholm-
sweden-june-8-12-2015-proceedings-1st-edition-jelena-zdravkovic/

Web Information Systems Engineering – WISE 2020: 21st

International Conference, Amsterdam, The Netherlands,
October 20–24, 2020, Proceedings, Part I Zhisheng Huang

https://textbookfull.com/product/web-information-systems-
engineering-wise-2020-21st-international-conference-amsterdam-
the-netherlands-october-20-24-2020-proceedings-part-i-zhisheng-
huang/

Bioinformatics and Biomedical Engineering Third

International Conference IWBBIO 2015 Granada Spain
April 15 17 2015 Proceedings Part II 1st Edition
Francisco Ortuño
https://textbookfull.com/product/bioinformatics-and-biomedical-
engineering-third-international-conference-iwbbio-2015-granada-
spain-april-15-17-2015-proceedings-part-ii-1st-edition-francisco-
 Jianyong Wang · Wojciech Cellary
Dingding Wang · Hua Wang
Shu-Ching Chen · Tao Li
Yanchun Zhang (Eds.)

Web Information
LNCS 9419

Systems Engineering –
WISE 2015
16th International Conference
Miami, FL, USA, November 1–3, 2015
Proceedings, Part II

123
Lecture Notes in Computer Science 9419
Commenced Publication in 1973
Founding and Former Series Editors:
Gerhard Goos, Juris Hartmanis, and Jan van Leeuwen

Editorial Board
David Hutchison
Lancaster University, Lancaster, UK
Takeo Kanade
Carnegie Mellon University, Pittsburgh, PA, USA
Josef Kittler
University of Surrey, Guildford, UK
Jon M. Kleinberg
Cornell University, Ithaca, NY, USA
Friedemann Mattern
ETH Zurich, Zürich, Switzerland
John C. Mitchell
Stanford University, Stanford, CA, USA
Moni Naor
Weizmann Institute of Science, Rehovot, Israel
C. Pandu Rangan
Indian Institute of Technology, Madras, India
Bernhard Steffen
TU Dortmund University, Dortmund, Germany
Demetri Terzopoulos
University of California, Los Angeles, CA, USA
Doug Tygar
University of California, Berkeley, CA, USA
Gerhard Weikum
Max Planck Institute for Informatics, Saarbrücken, Germany
More information about this series at http://www.springer.com/series/7409
Jianyong Wang Wojciech Cellary
•

Dingding Wang Hua Wang

•

Shu-Ching Chen Tao Li •

Yanchun Zhang (Eds.)

Web Information
Systems Engineering –
WISE 2015
16th International Conference
Miami, FL, USA, November 1–3, 2015
Proceedings, Part II

123
Editors
Jianyong Wang Shu-Ching Chen
Tsinghua University Florida International University
Beijing Miami, FL
China USA
Wojciech Cellary Tao Li
Poznan University of Economics Florida International University
Poznan Miami, FL
Poland USA
Dingding Wang Yanchun Zhang
Florida Atlantic University Victoria University
Boca Raton, FL Melbourne, VIC
USA Australia
Hua Wang
Victoria University
Melbourne, VIC
Australia

ISSN 0302-9743 ISSN 1611-3349 (electronic)

Lecture Notes in Computer Science
ISBN 978-3-319-26186-7 ISBN 978-3-319-26187-4 (eBook)
DOI 10.1007/978-3-319-26187-4

Library of Congress Control Number: 2015953784

LNCS Sublibrary: SL3 – Information Systems and Applications, incl. Internet/Web, and HCI

Springer Cham Heidelberg New York Dordrecht London

© Springer International Publishing Switzerland 2015
This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part of the
material is concerned, specifically the rights of translation, reprinting, reuse of illustrations, recitation,
broadcasting, reproduction on microfilms or in any other physical way, and transmission or information
storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now
known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this publication
does not imply, even in the absence of a specific statement, that such names are exempt from the relevant
protective laws and regulations and therefore free for general use.
The publisher, the authors and the editors are safe to assume that the advice and information in this book are
believed to be true and accurate at the date of publication. Neither the publisher nor the authors or the editors
give a warranty, express or implied, with respect to the material contained herein or for any errors or
omissions that may have been made.

Printed on acid-free paper

Springer International Publishing AG Switzerland is part of Springer Science+Business Media

(www.springer.com)
 Preface

Welcome to the proceedings of the 16th International Conference on Web Information

Systems Engineering (WISE 2015), held in Miami, Florida, USA, in November 2015.
The series of WISE conferences aims to provide an international forum for researchers,
professionals, and industrial practitioners to share their knowledge in the rapidly
growing area of Web technologies, methodologies, and applications. The first WISE
event took place in Hong Kong, China (2000). Then the trip continued to Kyoto, Japan
(2001); Singapore (2002); Rome, Italy (2003); Brisbane, Australia (2004); New York,
USA (2005); Wuhan, China (2006); Nancy, France (2007); Auckland, New Zealand
(2008); Poznan, Poland (2009); Hong Kong, China (2010); Sydney, Australia (2011);
Paphos, Cyprus (2012); Nanjing, China (2013); and Thessaloniki, Greece (2014). This
year, for a second time, WISE was held in North America, in Miami, supported by
Florida International University (FIU).
WISE 2015 hosted several well-known keynote and invited speakers. Moreover,
two tutorials were presented on the topics of building secure Web systems and
accessing the Princeton Wordnet.
A total of 171 research papers were submitted to the conference for consideration,
and each paper was reviewed by at least two reviewers. Finally, 53 submissions were
selected as full papers (with an acceptance rate of 31 % approximately), plus 17 as
short papers. The research papers cover the areas of big data techniques and applica-
tions, deep/hidden Web, integration of Web and Internet, linked open data, the
Semantic Web, social network computing, social Web and applications, social Web
models, analysis and mining, Web-based applications, Web-based business processes
and Web services, Web data Integration and mashups, Web data models, Web infor-
mation retrieval, Web privacy and security, Web-based recommendations, and Web
search.
In addition to regular and short papers, the WISE 2015 program also featured three
special sessions, including a special session on Data Quality and Trust in Big Data
(QUAT 2015), a special session on Decentralized Social Networks (DeSN 2015), and
an invited session.
QUAT is a qualified forum for presenting and discussing novel ideas and solutions
related to the problems of exploring, assessing, monitoring, improving, and main-
taining the quality of data and trust for “big data.” It provides a forum for researchers in
the areas of Web technology, e-services, social networking, big data, data processing,
trust, and information systems and GIS to discuss and exchange their recent research
findings and achievements. This year, the QUAT 2015 program featured six accepted
papers on data cleansing, data quality analytics, reliability assessment, and quality of
service for domain applications. QUAT 2015 was organized by Prof. Deren Chen, Prof.
William Song, Dr. Xiaolin Zheng, and Dr. Johan Håkansson.
The goal of DeSN 2015 was to serve as a forum for researchers or professionals
from both academia and industry to exchange new ideas, discuss new solutions, and
VI Preface

share their experience in the design, implementation, analysis, experimentation, or

measurement related to decentralized social networks. The DeSN 2015 program
included two invited speakers, Dr. Sarunas Girdzijauskas and Dr. Bogdan Carbunar,
and three accepted papers. The DESN 2015 co-chairs included Dr. Antoine Boutet, Dr.
Sarunas Girdzijauskas, and Dr. Frederique Laforest.
The invited session included five research papers from leading research groups.
Each invited paper featured a specific domain, with five papers covering recommender
systems, demand trend prediction in cloud computing, deep learning, database security,
and social network privacy.
We wish to take this opportunity to thank the honorary co-chairs, Prof. S.S. Iyengar
and Prof. Marek Rusinkiewicz; the tutorial and panel co-chairs, Prof. Guandong Xu
and Prof. Mitsunori Ogihara; the WISE challenge program co-chairs, Prof. Weining
Qian and Qiulin Yu; the workshop co-chairs, Prof. Hill Zhu and Prof. Yicheng Tu; the
publication chair, Prof. Hua Wang; the Local Organizing Committee co-chairs, Mr.
Carlos Cabrera and Ms. Catherine Hernandez; the publicity co-chairs, Prof. Mark
Finlayson, Prof. Giovanni Pilato, and Prof. Yanfang Ye; the registration chair, Mr.
Steve Luis; the financial co-chairs, Ms. Lian Zhang and Ms. Donaley Dorsett; and the
WISE society representative, Prof. Xiaofang Zhou. The editors and chairs are grateful
to the website and social media masters, Mr. Steve Luis and Mr. Bin Xia, for their
continuous active support and commitment, and Dr. Rui Zhou and Ms. Sudha
Subramani for their effort in preparing the proceedings.
In addition, special thanks are due to the members of the International Program
Committee and the external reviewers for a rigorous and robust reviewing process. We
are also grateful to the School of Computing and Information Sciences of Florida
International University and the International WISE Society for supporting this Con-
ference. The WISE Organizing Committee is also grateful to the special session
organizers for their great efforts to help promote Web information system research to
broader domains.
We expect that the ideas that have emerged in WISE 2015 will result in the
development of further innovations for the benefit of scientific, industrial, and societal
communities.

November 2015 Jianyong Wang

Wojciech Cellary
Dingding Wang
Hua Wang
Shu-Ching Chen
Tao Li
Yanchun Zhang
 Organization

Honorary Chairs
S.S. Iyengar Florida International University, USA
Marek Rusinkiewicz New Jersey Institute of Technology, USA

General Chairs
Shu-Ching Chen Florida International University, USA
Tao Li Florida International University, USA
Yanchun Zhang Victoria University, Australia

Program Co-chairs
Wojciech Cellary Poznan University of Economics, Poland
Dingding Wang Florida Atlantic University, USA
Jianyong Wang Tsinghua University, China

Publication Chair
Hua Wang Victoria University, Australia

Local Arrangements Chairs

Ivana Rodriguez Florida International University, USA
Catherine Hernandez Florida International University, USA

Financial Co-chairs
Carlos Cabrera Florida International University, USA
Lian Zhang Florida International University, USA

Web and Social Media Masters

Steve Luis Florida International University, USA
Bin Xia Nanjing University of Science and Technology, China

WISE Society Representative

Xiaofang Zhou University of Queensland, Australia
VIII Organization

Tutorial and Panel Co-chairs

Guandong Xu University of Technology Sydney, Australia
Mitsunori Ogihara University of Miami, USA

WISE Challenge Program Chairs

Weining Qian East China Normal University, China
Qiulin Yu Ping An Technology (Shenzhen) Co., Ltd., China

Workshop Co-chairs
Hill Zhu Florida Atlantic University, USA
Yicheng Tu University of South Florida, USA

Publicity Co-chairs
Mark Finlayson Florida International University, USA
Giovanni Pilato Italian National Research Council (CNR), Italy
Yanfang Ye West Virginia University, USA

Program Committee
Karl Aberer EPFL, Switzerland
Markus Aleksy ABB, Switzerland
Boualem Benatallah University of New South Wales, Australia
Azer Bestavros Boston University, USA
Antonis Bikakis University College London, UK
David Camacho Universidad Autonoma de Madrid, Spain
Barbara Catania University of Genoa, Italy
Tiziana Catarci Sapienza University of Rome, Italy
Richard Chbeir LIUPPA Laboratory, France
Fei Chen HP, USA
Enhong Chen University of Science and Technology of China
Yueguo Chen Renmin University of China
Gao Cong Nanyang Technological University, Singapore
Alexandra Cristea University of Warwick, UK
Schahram Dustar Vienna University of Technology, Austria
Damiani Ernesto University of Milan, Italy
Marie-Christine Fauvet Joseph Fourier University of Grenoble, France
Bry Francois Ludwig Maximilian University, Germany
Jun Gao Peking University, China
Hong Gao Harbin Institute of Technology, China
Yunjun Gao Zhejiang University, China
Claude Godart University Henri Poincare, France
 Organization IX

Daniela Grigori Laboratoire LAMSADE, University Paris-Dauphine,

France
Hakim Hacid Bell Labs, France
Armin Haller CSIRO ICT Centre, Australia
Xiaofeng He East China Normal University, China
Yuh-Jong Hu National Chengchi University, Taiwan
Luke Huan University of Kansas, USA
Jianbin Huang Xidian University, China
Marta Indulska University of Queensland, Australia
Pokorny Jaroslav Charles University, Czech Republic
Yan Jia National University of Defense Technology
Lili Jiang Max Planck Institute for Informatics, Germany
Peiquan Jin University of Science and Technology of China
Ruoming Jin Kent State University, USA
Yiping Ke Nanyang Technological University, Singapore
Fang Li Shanghai Jiao Tong University, China
Xue Li School of ITEE, University of Queensland, Australia
Chengkai Li University of Texas at Arlington, USA
Lei Li Samsung, USA
Mengchi Liu Carleton University, Canada
Shuai Ma Beihang University, China
Xiaofeng Meng Renmin University of China
Mikolaj Morzy Poznań University of Technology, Poland
Wilfred Ng HKUST, China
Kjetil Nørvåg Norwegian University of Science and Technology,
Norway
Mitsunori Ogihara University of Miami, USA
George Pallis University of Cyprus, Cyprus
Dasgupta Partha Arizona State University, USA
Zbigniew Paszkiewicz PricewaterhouseCoopers, Cyprus
Olivier Pivert ENSSAT, France
Weining Qian East China Normal University, China
Tieyun Qian Wuhan University, China
Jarogniew Rykowski Poznań University of Economics, Poland
Rizos Sakellariou University of Manchester, UK
Wei Shen Nankai University, China
John Shepherd UNSW, Australia
Dezhao Song Thomson Reuters, USA
Dandan Song Beijing Institute of Technology, China
Reima Suomi University of Turku, Finland
Stefan Tai KIT, Germany
Dimitri Theodoratos New Jersey Institute of Technology, USA
Farouk Toumani Limos, Blaise Pascal University, Clermont-Ferrand,
France
Xiaojun Wan Peking University, China
Guoren Wang Northeast University, China
X Organization

De Wang Google, USA

Hua Wang Victoria University, Australia
Wei Wang Fudan University, China
Ingmar Weber Qatar Computing Research Institute, Qatar
Xintao Wu University of North Carolina at Charlotte, USA
Junjie Wu Beihang University, China
Josiane Xavier Parreira DERI - National University of Ireland, Galway, Ireland
Hayato Yamana Waseda University, Japan
Yanfang Ye West Virginia University, USA
Hongzhi Yin University of Queensland, Australia
Tetsuya Yoshida Nara Women’s University, Japan
Jeffrey Xu Yu Chinese University of Hong Kong, SAR China
Ge Yu Northeast University, China
Xiaohui Yu Shandong University, China
Qi Zhang Fudan University, China
Wenjie Zhang The University of New South Wales, Australia
Yanchun Zhang Victoria University, Australia
Xiaofang Zhou University of Queensland, Australia
Xingquan Zhu Florida Atlantic University, USA
Lei Zou Peking University, China
 Contents – Part II

The Influence of Client Platform on Web Page Content: Measurements,

Analysis, and Implications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Sean Sanders, Gautam Sanka, Jay Aikat, and Jasleen Kaur

Aspect and Ratings Inference with Aspect Ratings: Supervised Generative

Models for Mining Hotel Reviews . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Wei Xue, Tao Li, and Naphtali Rishe

A Web-Based Application for Semantic-Driven Food Recommendation

with Reference Prescriptions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Devis Bianchini, Valeria De Antonellis, and Michele Melchiori

Incorporating Cohesiveness into Keyword Search on Linked Data. . . . . . . . . 47

Ananya Dass, Aggeliki Dimitriou, Cem Aksoy, and Dimitri Theodoratos

Privacy-Enhancing Range Query Processing over Encrypted Cloud

Databases. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Jialin Chi, Cheng Hong, Min Zhang, and Zhenfeng Zhang

Multi-Window Based Ensemble Learning for Classification of Imbalanced

Streaming Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Ye Wang, Hu Li, Hua Wang, Bin Zhou, and Yanchun Zhang

A Dynamic Key Length Based Approach for Real-Time Security

Verification of Big Sensing Data Stream . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Deepak Puthal, Surya Nepal, Rajiv Ranjan, and Jinjun Chen

Detecting Internet Hidden Paid Posters Based on Group and Individual

Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Xiang Wang, Bin Zhou, Yan Jia, and Shasha Li

A Soft Subspace Clustering Method for Text Data Using a Probability

Based Feature Weighting Scheme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Abdul Wahid, Xiaoying Gao, and Peter Andreae

Using Web Collaboration to Create New Physical Learning Objects . . . . . . . 139

André Peres, Evandro Manara Miletto, Fabiana Lorenzi,
Elidiane Zayaeskoski, Gianfranco Meneguz, and Ramon Costa da Silva

A Custom Browser Architecture to Execute Web Navigation Sequences . . . . 149

José Losada, Juan Raposo, Alberto Pan, Paula Montoto,
and Manuel Álvarez
XII Contents – Part II

File Relation Graph Based Malware Detection Using Label Propagation . . . . 164
Ming Ni, Qianmu Li, Hong Zhang, Tao Li, and Jun Hou

Cross-Domain Collaborative Recommendation by Transfer Learning

of Heterogeneous Feedbacks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
Jun Wang, Shijun Li, Sha Yang, Yonggang Ding, and Wei Yu

Research on Automate Discovery of Deep Web Interfaces . . . . . . . . . . . . . . 191

Feiyue Ye and Hang Yu

Discovering Functional Dependencies in Vertically Distributed Big Data . . . . 199

Weibang Li, Zhanhuai Li, Qun Chen, Tao Jiang, and Hailong Liu

Semi-supervised Document Clustering via Loci. . . . . . . . . . . . . . . . . . . . . . 208

Taufik Sutanto and Richi Nayak

Differentiating Sub-groups of Online Depression-Related Communities

Using Textual Cues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
Thin Nguyen, Bridianne O’Dea, Mark Larsen, Dinh Phung,
Svetha Venkatesh, and Helen Christensen

A New Webpage Classification Model Based on Visual Information

Using Gestalt Laws of Grouping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
Zhen Xu and James Miller

Extracting Records and Posts from Forum Pages with Limited Supervision . . . 233
Luciano Barbosa and Guilherme Ferreira

Improving Relation Extraction by Using an Ontology Class Hierarchy

Feature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
Pedro H.R. Assis, Marco A. Casanova, Alberto H.F. Laender,
and Ruy Milidiu

Crisis Mapping During Natural Disasters via Text Analysis of Social Media
Messages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Stefano Cresci, Andrea Cimino, Felice Dell’Orletta,
and Maurizio Tesconi

Tweet Location Inference Based on Contents and Temporal Association . . . . 259

Saki Ueda, Yuto Yamaguchi, Hiroyuki Kitagawa,
and Toshiyuki Amagasa

Finding Influential Users and Popular Contents on Twitter . . . . . . . . . . . . . . 267

Zhaoyun Ding, Hui Wang, Liang Guo, Fengcai Qiao, Jianping Cao,
and Dayong Shen
 Contents – Part II XIII

Exploring Social Network Information for Solving Cold Start in Product

Recommendation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
Chaozhuo Li, Fang Wang, Yang Yang, Zhoujun Li, and Xiaoming Zhang

The Detection of Multiple Dim Small Targets Based on Iterative Density

Clustering and SURF Descriptor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
Haiying Zhang, Yang Gao, and Tao Li

Collaborative Content-Based Method for Estimating User Reputation

in Online Forums . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
Amine Abdaoui, Jérôme Azé, Sandra Bringay, and Pascal Poncelet

Fusion of Big RDF Data: A Semantic Entity Resolution and Query

Rewriting-Based Inference Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
Salima Benbernou, Xin Huang, and Mourad Ouziri

Enhancing Social Recommendation with Sentiment Communities . . . . . . . . . 308

Davide Feltoni Gurini, Fabio Gasparetti, Alessandro Micarelli,
and Giuseppe Sansonetti

Trending Topics Rank Prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316

Soyeon Caren Han, Hyunsuk Chung, and Byeong Ho Kang

Moving Video Mapper and City Recorder with Geo-Referenced Videos . . . . 324
Guangqiang Zhao, Mingjin Zhang, Tao Li, Shu-Ching Chen,
Ouri Wolfson, and Naphtali Rishe

WebGC Gossiping on Browsers Without a Server [Live Demo/Poster] . . . . . 332

Raziel Carvajal-Gómez, Davide Frey, Matthieu Simonin,
and Anne-Marie Kermarrec

Service Discovery for Spontaneous Communities in Pervasive

Environments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
Ghada Ben Nejma, Philippe Roose, Marc Dalmau, and Jérôme Gensel

C3PO: A Network and Application Framework for Spontaneous and

Ephemeral Social Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
Antoine Boutet, Stephane Frenot, Frederique Laforest, Pascale Launay,
Nicolas Le Sommer, Yves Maheo, and Damien Reimert

Towards a Unified Framework for Data Cleaning and Data Privacy . . . . . . . 359
Yu Huang and Fei Chiang

A Data Quality Framework for Customer Relationship Analytics . . . . . . . . . 366

Fei Chiang and Siddharth Sitaramachandran
XIV Contents – Part II

Inter-rater Reliability in Determining the Types of Vegetation on Railway

Trackbeds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
Roger G. Nyberg, Siril Yella, Narendra K. Gupta, and Mark Dougherty

Reliability of Manual Assessments in Determining the Types of Vegetation

on Railway Tracks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
Siril Yella, Roger G. Nyberg, Narendra K. Gupta, and Mark Dougherty

A Comparison of Patent Classifications with Clustering Analysis . . . . . . . . . 400

Mick Smith and Rajeev Agrawal

Combination of Evaluation Methods for Assessing the Quality of Service

for Express Delivery Industry . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
Qing Lou, Shao-zhong Zhang, and William Wei Song

Geographical Constraint and Temporal Similarity Modeling

for Point-of-Interest Recommendation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
Huimin Wu, Jie Shao, Hongzhi Yin, Heng Tao Shen, and Xiaofang Zhou

A Classification-Based Demand Trend Prediction Model in Cloud

Computing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
Qifeng Zhou, Bin Xia, Yexi Jiang, Qianmu Li, and Tao Li

Query Monitoring and Analysis for Database Privacy - A Security

Automata Model Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458
Anand Kumar, Jay Ligatti, and Yi-Cheng Tu

Correlation-Based Deep Learning for Multimedia Semantic Concept

Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
Hsin-Yu Ha, Yimin Yang, Samira Pouyanfar, Haiman Tian,
and Shu-Ching Chen

Social Network Privacy: Issues and Measurement . . . . . . . . . . . . . . . . . . . . 488

Isabel Casas, Jose Hurtado, and Xingquan Zhu

Building Secure Web Systems Architectures Using Security Patterns . . . . . . . 503

Eduardo B. Fernandez

The WordNet Database: Form, Function, and Use . . . . . . . . . . . . . . . . . . . . 504

Mark A. Finlayson

Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 505

 Contents – Part I

Grouping Product Aspects from Short Texts Using Multiple Classifiers . . . . . 1

Daniel Kailer, Peter Mandl, and Alexander Schill

Time-Dependent Popular Routes Based Trajectory Outlier Detection . . . . . . . 16

Jie Zhu, Wei Jiang, An Liu, Guanfeng Liu, and Lei Zhao

Temporally Enhanced Ontologies in OWL: A Shared Conceptual Model

and Reference Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Sven de Ridder and Flavius Frasincar

HV: A Feature Based Method for Trajectory Dataset Profiling . . . . . . . . . . . 46

Wei Jiang, Jie Zhu, Jiajie Xu, Zhixu Li, Pengpeng Zhao, and Lei Zhao

A Dynamically Extensible Open Cross-Document Link Service . . . . . . . . . . 61

Ahmed A.O. Tayeh and Beat Signer

Twitter Sarcasm Detection Exploiting a Context-Based Model . . . . . . . . . . . 77

Zelin Wang, Zhijian Wu, Ruimin Wang, and Yafeng Ren

Ranked Reverse Boolean Spatial Keyword Nearest Neighbors Search . . . . . . 92

Hailin Fang, Pengpeng Zhao, Victor S. Sheng, Zhixu Li, Jiajie Xu,
Jian Wu, and Zhiming Cui

GraSS: An Efficient Method for RDF Subgraph Matching . . . . . . . . . . . . . . 108

Xuedong Lyu, Xin Wang, Yuan-Fang Li, Zhiyong Feng, and Junhu Wang

FreeS: A Fast Algorithm to Discover Frequent Free Subtrees Using a Novel

Canonical Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Israt J. Chowdhury and Richi Nayak

Time-Sensitive Topic Derivation in Twitter . . . . . . . . . . . . . . . . . . . . . . . . 138

Robertus Nugroho, Weiliang Zhao, Jian Yang, Cecile Paris,
Surya Nepal, and Yan Mei

OSCAR: OpenStreetMap Planet at Your Fingertips via OSm

Cell ARrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Daniel Bahrdt and Stefan Funke

Creating Diverse Product Review Summaries: A Graph Approach. . . . . . . . . 169

Natwar Modani, Elham Khabiri, Harini Srinivasan, and James Caverlee

Implicit Trust and Distrust Prediction for Recommender Systems . . . . . . . . . 185

Xiao Ma, Hongwei Lu, and Zaobin Gan
XVI Contents – Part I

Combining Syntactic and Semantic Evidence for Improving Matching

over Linked Data Sources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
Klitos Christodoulou, Alvaro A.A. Fernandes, and Norman W. Paton

An Efficient Location-Aware Publish/Subscribe Index with Boolean

Expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
Hanhan Jiang, Pengpeng Zhao, Victor S. Sheng, Guanfeng Liu,
An Liu, Jian Wu, and Zhiming Cui

EPC Graph Information Service: Enhanced Object Traceability

on Unified and Linked EPCIS Events . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
Jaewook Byun and Daeyoung Kim

A Mashup Architecture with Modeling and Simulation as a Service . . . . . . . 247

Sixuan Wang and Gabriel Wainer

Temporal PageRank on Social Networks . . . . . . . . . . . . . . . . . . . . . . . . . . 262

Weishu Hu, Haitao Zou, and Zhiguo Gong

Improving Marketing Interactions by Mining Sequences . . . . . . . . . . . . . . . 277

Ritwik Sinha, Sanket Mehta, Tapan Bohra, and Adit Krishnan

A Majority of Wrongs Doesn’t Make It Right - On Crowdsourcing Quality

for Skewed Domain Tasks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
Kinda El Maarry, Ulrich Güntzer, and Wolf-Tilo Balke

Modelling Processes of Big Data Analytics . . . . . . . . . . . . . . . . . . . . . . . . 309

Verena Kantere and Maxim Filatov

WISEngineering: Achieving Scalability and Extensibility in Massive

Online Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
Xiang Fu, Tyler Befferman, Jennie Chiu, and M.D. Burghardt

A Non-parametric Approach to the Multi-channel Attribution Problem. . . . . . 338

Meghanath Macha Yadagiri, Shiv Kumar Saini, and Ritwik Sinha

A Dynamic-Static Approach of Model Fusion for Document

Similarity Computation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
Jiyi Li, Yasuhito Asano, Toshiyuki Shimizu, and Masatoshi Yoshikawa

Genetic-Based Approach for ATS and SLA-aware Web

Services Composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Imed Abbassi, Mohamed Graiet, Walid Gaaloul,
and Nejib Ben Hadj-Alouane

Crawling Ranked Deep Web Data Sources . . . . . . . . . . . . . . . . . . . . . . . . . 384

Yan Wang, Yaxin Li, Nannan Pi, and Jianguo Lu
 Contents – Part I XVII

Influence Maximization in Signed Social Networks . . . . . . . . . . . . . . . . . . . 399

Chengguang Shen, Ryo Nishide, Ian Piumarta, Hideyuki Takada,
and Wenxin Liang

Analyzing File-to-File Relation Network in Malware Detection. . . . . . . . . . . 415

Lingwei Chen, William Hardy, Yanfang Ye, and Tao Li

Similarity-Based Context-Aware Recommendation . . . . . . . . . . . . . . . . . . . 431

Yong Zheng, Bamshad Mobasher, and Robin Burke

ECS: A Framework for Diversified and Relevant Search in the Internet

of Things . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448
Ali Shemshadi, Lina Yao, Yongrui Qin, Quan Z. Sheng,
and Yihong Zhang

Sense and Focus: Towards Effective Location Inference and Event

Detection on Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
Yihong Zhang, Claudia Szabo, and Quan Z. Sheng

A Hybrid Feature Selection Method for Predicting User Influence

on Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 478
Yan Mei, Zizhu Zhang, Weiliang Zhao, Jian Yang,
and Robertus Nugroho

Classifying Perspectives on Twitter: Immediate Observation, Affection,

and Speculation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
Yihong Zhang, Claudia Szabo, Quan Z. Sheng, and Xiu Susie Fang

Evaluating k Nearest Neighbor Query on Road Networks with

no Information Leakage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508
Lu Wang, Ruxia Ma, and Xiaofeng Meng

Similarity Search over Personal Process Description Graph . . . . . . . . . . . . . 522

Jing Ouyang Hsu, Hye-young Paik, and Liming Zhan

A Multilingual Approach to Discover Cross-Language Links in Wikipedia. . . 539

Nacéra Bennacer, Mia Johnson Vioulès, Maximiliano Ariel López,
and Gianluca Quercini

Adaptive Focused Crawling of Linked Data . . . . . . . . . . . . . . . . . . . . . . . . 554

Ran Yu, Ujwal Gadiraju, Besnik Fetahu, and Stefan Dietze

Trust-Based Coalition Formation for Dynamic Service Composition

in Social Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 570
Amine Louati, Joyce El Haddad, and Suzanne Pinson
XVIII Contents – Part I

Towards a Burglary Risk Profiler Using Demographic and Spatial Factors . . . 586
Cristina Kadar, Grammatiki Zanni, Thijs Vogels,
and Irena Pletikosa Cvijikj

Extract Knowledge About Geo-Location Using Context and Content

Information of Geo-Tagged Social Media. . . . . . . . . . . . . . . . . . . . . . . . . . 601
Sheetal Takale and Prakash Kulkarni

Building Secure Web Systems Architectures Using Security Patterns . . . . . . . 617

Eduardo B. Fernandez

The WordNet Database: Form, Function, and Use . . . . . . . . . . . . . . . . . . . . 618

Mark A. Finlayson

Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 619

 The Influence of Client Platform on Web Page
Content: Measurements, Analysis,
and Implications

Sean Sanders(B) , Gautam Sanka, Jay Aikat, and Jasleen Kaur

University of North Carolina at Chapel Hill, Chapel Hill, USA

ssanders@cs.unc.edu

Abstract. Modern web users have access to a wide and diverse range of
client platforms to browse the web. While it is anecdotally believed that
the same URL may result in a different web page across different client
platforms, the extent to which this occurs is not known. In this work, we
systematically study the impact of different client platforms (browsers,
operating systems, devices, and vantage points) on the content of base
HTML pages. We collect and analyze the base HTML page downloaded
for 3876 web pages composed of the top 250 web sites using 32 different
client platforms for a period of 30 days — our dataset includes over 3.5
million web page downloads. We find that client platforms have a statis-
tically significant influence on web page downloads in both expected and
unexpected ways. We discuss the impact that these results will have in sev-
eral application domains including web archiving, user experience, social
interactions and information sharing, and web content sentiment analysis.

Keywords: Web page measurement · Mobile web · Content analysis

1 Introduction
Users have many choices of client platforms — browsers, operating systems,
devices, and vantage points — that can be used to request web-based data.
Although, it is known that certain client platforms such as device type (e.g.,
smartphones or laptops) and vantage point can have an influence on the base
HTML page that is downloaded [14,26], the extent to which this occurs has
not been studied before. Any difference in base HTML pages that is due to
client platform can result in data that is incomplete or view-specific. This can
present issues for several web-related applications, such as web archival [13,21],
document summarization [9,22], and information sharing, because additional
care must be taken when (i) designing experiments that yield complete and/or
unbiased data and (ii) developing processing scripts that are robust to different
web-page designs — the need for understanding these differences has also been
recently discussed in [2].
In this paper, we ask the question — to what extent do different client
platforms influence the content of a base HTML web page for the same URL
c Springer International Publishing Switzerland 2015
J. Wang et al. (Eds.): WISE 2015, Part II, LNCS 9419, pp. 1–16, 2015.
DOI: 10.1007/978-3-319-26187-4 1
2 S. Sanders et al.

request? We perform the first measurement study that aims to understand this
influence. Our methodology includes collecting measurements across different
browsers (Opera, Internet Explorer, Google Chrome, Firefox, and Safari), oper-
ating systems (Mac OSX, Windows, Linux, iOS, and Android), devices (laptops,
tablets, and smartphones), and vantage points (13 planetLab nodes located in 8
different countries) — this includes over 3.5 million measurements obtained from
3876 unique URLs composed of the top 250 web sites collected over a period of
30 days. We extract both HTML tag-based and content-based features from this
data and find differences in web pages across different client types that are both
practically and statistically significant. Our key findings are:

– Expected and Unexpected Results:

1. As expected, device type (smartphones, tablets, and laptops) has a sig-
nificant impact on web page content, with smaller devices being returned
leaner pages. However, there is no consensus among current web design-
ers and content providers on which type of page should be designed for
tablets (i.e., should tablets simply return default laptop pages, mobile
optimized pages, or have a special type of page altogether). An unex-
pected result is that, surprisingly, the manufacturer of a device, say an
iPad Tablet or a Galaxy Tablet, may impact the type of page that is
downloaded, say a default laptop or mobile optimized page.
2. The differences that we find across different browsers are largely unex-
pected. For example, we find that different browsers may provide differ-
ent default number of comments to be shown in a comment section for
news articles and social media sites. We also find that content providers
handle outdated browsers in multiple ways including: (1) fail to fulfill
the web page request; and (2) fulfill the web page request by sending
a similar, but different, web page that is likely more compatible with
the user’s browser version (e.g., sending a mobile-optimized page to an
outdated laptop browser).
3. As expected, we find that vantage point has a modest influence on web
pages. For example, some content providers provide international ver-
sions of web pages that is dependent on the country of a user’s vantage
point while others provide the same content irrespective of vantage point.
An unexpected result is that search results are highly influenced by van-
tage point, even for search queries where vantage point is not an obvious
contributing factor to the result set.
– Implications of Results on Web-related Applications: Differences in web pages
across different client type have implications in several web-related application
domains including web archival [23], document summarization [9,22], senti-
ment analysis [16,22], and web browsing/systems design [14]. Some examples
include: (1) the number of default comments and/or product reviews pro-
vided on a page is influenced by client platform— this may impact document
summarization and sentiment analysis techniques that leverage this informa-
tion; (2) web page designs may be client platform-specific which influences the
type of content that is available and the effectiveness of parsing scripts that
 The Influence of Client Platform on Web Page Content 3

is targeted for a specific page design. This can also be problematic for shar-
ing information on social media because hyperlinks may be client platform
specific (hence users may be referring to different content and/or formatting
context).

The remainder of this paper is organized as follows. We present our methodol-

ogy in Sect. 2. The results and implications of our analysis is provided in Sect. 3.
Related work is presented in Sect. 4 and a summary of our study along with
intended future work is provided in Sect. 5.

2 Methodology

Our methodology consists of two components: (1) Data collection and (2) Sta-
tistical analysis. We describe these two aspects in this section.

2.1 Data Collection

Selection of Web Pages to Study: In this study, we target web pages that
are comprised from the top 250 web sites of the world according to Alexa [1]
— a recent study shows that 99 % of web requests comprise the top 250 web
domains [6]. We manually browse each of these 250 web sites to obtain a diverse
sample of URLs from each. Our web page sample includes landing pages, video
streaming pages, search result pages (e.g., web, image, and news search), mobile
web pages, clickable content, audio streaming pages, and social networking pages.
We do this manual browsing for URL collection instead of leveraging a web
crawler in order to better control the diversity and representativeness of our
dataset. In total, we collect a list of 3876 unique URLs that are used to drive
our data collection procedure.
Client Platforms Used: We next select a diverse set of client platforms, that
are used to download the web pages we previously identified. As noted before,
we intend to study the impact that browsers, operating systems, devices, and
vantage points have on base HTML pages. We control for these different client
platforms by requesting web pages using an User-Agent string that corresponds
to the appropriate client platform of interest. User-Agent strings encapsulate the
operating system, browser type, browser version, and even hardware information
about client platforms — content providers use this information when responding
to web requests [14]. User-Agent strings can be easily set by using scripts (we use
python for this) to download base HTML pages. Table 1 lists the 32 User-Agents
used for our study1 .
Our definition of “client platform” also includes location (vantage point).
Thus, we also download web pages from different vantage points around the
world — we use the PlanetLab network for this [8]. The 13 planetLab nodes
1
Please note that each of the User-agents we use in this study were obtained from
deep packet inspection of web traffic as generated using known client platforms.
4 S. Sanders et al.

Table 1. Overview of user-agents used for web page requests

Operating system Browser(s) Device

Windows 7 Chrome 38.0.2125.122 - Chrome 33.0.1750.154 Laptop
Windows 7 Firefox 33.0 - Firefox 26.0 Laptop
Windows 7 Internet Explorer 11.0 - Internet Explorer 9.0 Laptop
Windows 7 Opera 25.0.1614.68 - Opera 12.16 Laptop
Windows 7 Safari 5.1.7 Laptop
Windows 8 Chrome 39.0.2171.95 - Firefox 32.0 Laptop
Windows 8 Internet Explorer 11.0 - Opera 24.0.1558.61 Laptop
MacOSX 10.6.8 Chrome 39.0.2171.65 -Firefox 33.0 Laptop
MacOSX 10.6.8 Safari 5.1.9-Opera 25.0.1614.71 Laptop
MacOSX 10.9.4 Chrome 38.0.2125.122-Firefox 33.0 Laptop
MacOSX 10.9.4 Safari 7.0.5-Opera 25.0.1614.68 Laptop
Ubuntu Firefox 34.0 Laptop
Solaris Firefox 17.0 Laptop
Fedora Firefox 2.0.0.19 Laptop
Android 4.4.4 Chrome 37.0.2062.117 Motorola Smartphone
Android 4.4.2 Samsung SM-T230NU-Chrome 35.0.1916.141 Samsung GalaxyTablet
Android 4.4.2 Amazon Silk 3.37 Fire Tablet
iOS 7 Safari 8.0 Mobile/12B41 iPhone Smartphone
iOS 7 Safari 7.0 Mobile/11A501 iPad Tablet
iOS 7 Safari 8.0 Mobile/12A405 iPod Touch
iOS 3 Safari 4.0 Mobile/7D11 iPod Touch

that we use are located in Australia, China, Japan, Brazil, Poland, Canada, and
the United States (7 nodes — Oregon, Rhode Island, California, Florida, New
Mexico, Kentucky, and Ohio).
Repeated Measurements: Modern web content is highly dynamic and may
change multiple times a day [11]. We take repeated measurements of each web
page across each client platform to eliminate differences in web page content
observed across client platform, that are likely simply due to variation over time.
Specifically we take 30 repeated measurements over a period between Decem-
ber 18, 2014 and January 18, 2015. Thus, our dataset includes 3,771,348 page
downloads.

2.2 Statistical Analysis

Overview of Features: We extract different types of quantitative features from

our HTML data to describe the properties of the downloaded web pages. A brief
overview of the types of features that we extract are provided below:
HTML Tag-based features are used primarily for the analysis of page format-
ting — these have commonly been used in other HTML-based analysis [3,7].
 The Influence of Client Platform on Web Page Content 5

In particular, we count the occurrence of several HTML tags/attributes that are

present on a given web page. These tags represent different established categories
of HTML information [3]2 . Our feature set includes:

1. Flow content: Used within the body of HTML documents (e.g., “table”,
“form”, “option”, “text area”, and “menu” tags)
2. Sectioning content: Used to partition HTML documents (e.g., “area”, “arti-
cle”, “body”, “div”, and “section” tags)
3. Heading content: Used for header-level markup (e.g., “header”, “title”, and
“meta” tags)
4. Phrasing content: Used for text-level markup (e.g.,“abbr”,“b”, “p”, “strong”,
and “span” tags)
5. Embedded content: Used for elements that load external resources into the
HTML document (e.g., “script”, “image”, “audio”, “embed”, “param”, and
“iframe” tags).

Count statistics that are derived from tags that represent (i) hyperlink-level
information (e.g., “a” and “link” tags) and (ii) the extensions of embedded
objects that is referenced by a page (e.g., .jpeg, .gif, and .png extensions for
embedded image objects) are used for Object-based features and analysis. We
also derive Content-based features from our HTML data. We use a simple bag-
of-words model to count the frequency of all the words that are present in a docu-
ment — bag-of-words models are commonly used in natural language processing,
machine learning, and computer vision [25]. A word in this model is defined as
any sequence of characters that is present in an HTML document that is delim-
ited by >, <, ”, newline, or whitespace characters. This model allows us to
derive features that can measure the overall text-related differences between two
documents. We derive features such as (i) the number of words that are shared
between two documents (i.e., a baseline document and a test document), and
(ii) the number of words that are different between two documents to compactly
represent these content-related differences. We use these features simply as a
measure to flag significant differences in text for further analysis.
While we are able to obtain a lot of information from base HTML files we
are unable to collect all of the information that is referenced by a particular
web page. This is because modern web pages make significant use of AJAX and
scripting technology. It is nontrivial to extract features that are derived from this
information using base HTML pages alone. An analysis of the network traffic
generated by web page downloads is needed to obtain this data. Such traffic
analysis is beyond the scope of this paper.
Statistical Analysis Procedure: In order to determine which of our 134
features differ significantly across web pages downloaded using different client
platforms, we use a standard non-parametric statistical test. The use of a non-
parametric test allows us to make minimal assumptions about the distribution of
these features. In particular, we use the Kruskal-Wallis test to determine whether
2
Please refer to [3] for a complete list of these features.
6 S. Sanders et al.

there is a statistically significant difference between the measured web page sam-
ples across multiple appropriate groups of client platforms for each feature. The
Kruskal-Wallis test yields p-values that represent the statistical significance of
each feature for different client platforms. Here, lower p-values correspond to
results that have greater statistical significance. We then use these results to dig
deeper into our dataset to (i) determine the source of any significant difference
and (ii) discuss the practical significance of our findings.

3 Results

Impact of Browser Platform. We first investigate the impact that different

browser platforms have on web page content. We initially focus on the influence of
different browser platforms installed on the same operating system. In particular,
we compare the latest versions of the Internet Explorer, Chrome, Firefox, and
Opera browsers that correspond to the Windows 7 operating system — refer to
Table 1 for more details about these browsers. The Kruskal-Wallis test for this
feature group yields 8 features that have p-value <.05 across browser platforms
— in fact, these p-values are generally less than 10−3 . These 8 statistically
significant features are: the number of “label” tags, the number of “tr” tags, the
number of “table” tags, the number of “td” tags, the number of “style” tags, the
number of “legend” tags, javascript length (i.e., the number of characters present
in script tags), and the number of different words present. Upon further analysis
of our data, we find that these statistically significant features correspond to the
following trends:

– Differences in javascript: We find that many content providers such as

soundcloud.com and bing.com (particularly image search results) use differ-
ent javascript code that is suited for particular browsers — these javascript
related differences were identified by the number of different words feature.
We find that different javascript methods are implemented differently across
browser platforms and/or have conditional statements that branch for differ-
ent client browser platforms. For example, soundcloud.com uses conditional
statements that takes the client platform into account during javascript exe-
cution to determine whether HLS (HTTP Live Streaming) is supported by the
client platform. Alternatively, Fig. 1 shows an example where a Youtube.com
page has javascript that is browser-specific — here the Chrome javascript
for loading a video appears to be HTML5-based while the Firefox javascript
appears to be flash-based (This is identified by the “swf” references in Fig. 1).
It is known that if different client platforms are not taken into account, ren-
dering differences across browsers can occur when the same source HTML is
processed — for example, target.com has differences in rendered tables across
browsers despite having rendering the same source code that renders that
portion of the page.
– Ads: We also observe “ads” that attempt to get a user to download a par-
ticular browser or app that is browser dependent. For example, yahoo.com
 The Influence of Client Platform on Web Page Content 7

recommends that users update to the latest version of firefox for non-firefox
client platforms, whereas target.com recommends that users on the Chrome
browser to download their custom app. These ads seem to be attempts to get
users to utilize software that is fully supported by the content provider.
– Reduced comment and recommendation sections: Our data also shows that
cbssports.com and yelp.com do not provide the same number of comments,
recommendations, news feeds, or search results for each browser. The limited
information provided by certain browser platforms provides inconsistent data
for document summarization and sentiment analysis applications [9,16,22]
which can yield misleading and/or incomplete results, depending on the spe-
cific choice of browser platform. This limited information also impacts user
experience because it may require users to take additional actions, such as a
click, to view additional content that may be more readily available (already
loaded) on a different browser.

Fig. 1. Example where javascript is different for different browsers (Chrome vs Firefox).

Impact of Browser Version. We next compare the impact that browser ver-
sion may have on base HTML pages. Our statistical test yields 13 statistically
significant features. The most notable features that are not also influenced by
browser platform, say Safari vs Firefox, are the number of script tags and the
number of HTML5 tags. With respect to the number of script tags, we observe
similar differences in scripting behavior as we did with the differences in browser
platform. With respect to the number of HTML5 tags, we observe that there
tends to be more HTML5-related tags for the latest browser versions as com-
pared to the older versions — we believe this to be a compatibility-related issue.
We also observe cases where content providers treat outdated or unsupported
browsers in the following 2 ways. First, the content provider can fulfill the web
request, but provide a warning to the user that their browser needs to be updated
(zillow.com, soundcloud.com) — this may also result in failed web requests.
Second, the content provider can fulfill the web request by responding with a
web page that is compatible with the user’s browser. This is explained in detail
next.
We find multiple instances when browser version has an impact on page
content. For example, Fig. 2 shows that a Google search result that is rendered
8 S. Sanders et al.

(a) (b)

Fig. 2. Different HTML pages are returned when an old version of Opera is used (a)
in place of a current version of Opera (b).

using an outdated Opera browser (Fig. 2(a)), and an up-to-date Chromium-based

Opera browser can be displayed differently (Fig. 2(b)) — though these observed
differences are almost purely stylistic with respect to image size and visibility
of URLs on images. Figure 3 shows a different example of when a web server
responds with a web page for an outdated browser. Here, the web request is for
a mobile web page of a product on Amazon.com. Figure 3(a) shows that when
a mobile web page is requested using an up to date mobile device and browser
(an iPhone in particular), the request is satisfied as expected. When we make
the same request for a mobile web page using an outdated Firefox browser on
a laptop we also get the same mobile web page — though we do not observe
an ad for downloading an app. Figure 3(b) shows that when the same request
is made to Amazon using an up-to-date Firefox browser on a laptop we get a
different mobile web page that is clearly representing the same product shown
in Fig. 3(a). It is clear that these downloaded web pages are both (i) mobile-
optimized web pages and (ii) different, where the version of the page shown in
Fig. 3(b) appears to be an older mobile web page design than the page shown in
Fig. 3(a). We conclude two things from these observations: (1) mobile web pages
may sometimes be used to fulfill web requests to outdated browsers (we observe
similar behavior for yahoo.com and att.com); and (2) interesting and unexpected
quirks exist for some web page requests that are influenced by browsers3 . The
impact that browser version has on web page downloads is important for web
crawling tools because (i) web crawlers may be used for years without receiving
any significant upgrades and (ii) content providers may respond to known web-
crawler User-Agents in a manner that results in errors or downloading data that
is limited (in a manner similar to mobile web pages) [21].
Impact of Operating System. For the purposes of analyzing any implications
that operating systems may have on base HTML pages, we compare all laptop-
3
Please note that the significant differences discussed here are primarily true for
browser version analysis for Opera and Firefox. This is because we have the largest
range in release dates for these two browsers.
 The Influence of Client Platform on Web Page Content 9

(a) (b)

Fig. 3. Content providers can return different pages to account for different browser
versions — (a) current mobile browser and (b) current desktop browser.

based browsers across each operating system that also has the same version of
that particular browser. For example, Firefox 33.0 is compared across MacOSX
10.9.4 and Windows 7. We do this for all combinations of browsers where this
is valid according to the User-Agents we tested in Table 1. We do not find any
statistically significant features that occur for the same browser across different
operating systems. We conclude that browser version and browser type has a
much bigger impact on web page downloads than operating systems.

1 1

0.9 0.9

0.8 0.8
Fraction of Web Pages
Fraction of Web Pages

0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2
Safari Smartphone Safari Smartphone
0.1 Safari Tablet 0.1 Safari Tablet
Safari Desktop Safari Desktop
0 0
0 10 20 30 40 50 60 0 50 100 150
Number of Total Images Number of Link Tags

(a) (b)

Fig. 4. Device type has a significant impact on HTML features.

Impact of Device Type. We next study the impact that different devices have
on web page downloads. We start by focusing on comparing the iOS 7 iPhone
smartphone, iOS 7 iPad tablet, and the MacOSX 10.9.4 laptop where each device
runs a version of Safari. We find that:
10 S. Sanders et al.

1. Device type has a statistically significant impact on web page downloads: As

can be expected, devices have a statistically significant impact on many fea-
tures (67 total) by design intent — pages designed for the small screens of
mobile devices are likely to have simpler and smaller content. The most promi-
nent features that differ across phones, tablets, and laptops are embedded
object-related features such as the number of images, scripts, and CSS ref-
erences found in an HTML source, content-related features such as the total
number of words present on a page, and the total number of links — all of
these features have p-values that are on the order of 10−10 or less.
2. Lack of consensus on the design of tablet-specific web pages: Fig. 4(a) shows
the cumulative distributions of the number of images and Fig. 4(b) shows the
number of link tags stratified by device type. The smartphone and laptop
devices tend to exhibit the fewest and largest number of features respec-
tively. Tablet devices behaves in the middle, where it is similar to a mobile
device in some cases, and then slowly transitions to be similar to the lap-
top device in other cases. This behavior of tablet devices is attributed to the
lack of a consensus among content providers on the design of web pages for
tablets. Content providers tend to either (i) have a unique web page design for
each device type (e.g., 163.com) (ii) leverage the similar web page design for
both laptop and tablet devices (e.g., imdb.com), or (iii) leverage the similar
web page design for both tablet and smartphone devices (e.g., twitter.com).
We also find that different tablet manufacturers may receive different web
pages. For example, android devices may receive ads to download android
apps where iOS devices will receive ads to downloads apps on the Apple
store. More interestingly, we find that the Amazon Fire Tablet will receive
a smartphone version of a web page (espn.com) where the iPad Tablet will
receive the desktop version of the page — this suggests that screen size is a
more important factor in the page that is downloaded than simply referring
to the device as a Tablet or smartphone.
3. Inconsistent redirect behavior that is based on device type across content
providers: We also find that there is a lack of consistency in the device-
triggered redirect behavior across content providers. For example, some con-
tent providers will redirect mobile web page requests made by laptop clients
to its corresponding laptop-based web page, while other content providers will
not redirect requests in such a manner. This observed redirect behavior for
devices is similar to the redirect behavior we observed for browser versions.
This behavior can be problematic for a number of web-related applications.
For instance, web crawlers may be redirected from the mobile view of a web
page to the laptop view of a web page (in an undesired manner). This has
an impact for web page archival because undesirable or even less informative
views of a page (mobile or desktop) may be archived instead of the desired
page. This also raises concerns for information sharing across social media
(e.g., search engines and social networking) because users can be referring
to different views of information, or, at times, entirely different information
altogether, via the same hyperlink. For example, if a user shares a link on a
social media site, say Facebook.com, and a friend uses a different client plat-
Another random document with
no related content on Scribd:
naam, indien hij bestond, als S e r a l l e n —’s Her-Allen, des heeren
Allen zone—luiden). In Oost-Friesland A l l a n a , A l l e n a , en
A l l e n . In Engeland A l l e n , A l l i n s o n , A l l i s , A l l i s o n ,
A l l i n g h a m en A l l i n g t o n ; deze twee laatste namen zijn
eigenlijk plaatsnamen, die ook als geslachtsnamen dienst doen.

Plaatsnamen, aan den mansnaam A l l e ontleend, vindt men in alle

Germaansche landen. Behalven die, welke in Friesland voorkomen,
en hier reeds op de vorige bladzijde zijn vermeld, ligt er een gehucht
bij het dorp Winsum in Groningerland, dat den naam A l l i n g a -
h u i z e n draagt; verder A l m a - b o r g , eene adellijke huizinge te
Bedum, en A l m a - h e e r d , eene boerenhofstede te Oldehove,
beiden ook in Groningerland. A l l i n g t o n is een dorp in het gewest
Kent, in Engeland.

In de Duitsche landen vooral zijn de plaatsnamen van den

mansnaam A l l e afgeleid, zeer menigvuldig; bij voorbeeld:
A l k o f e n (oudtijds voluit A l l i n c h o v a , het hof of de hoeve van
de A l l i n g e n , van de nakomelingen des mans die A l l e heette),
dorp bij Vilshofen in Beieren. Een ander dorp van den zelfden naam,
A l k o v e n geschreven, ligt bij Efferding in Oostenrijk.
A l l e n b ü t t e l , zoo heet een dorp bij Gifhorn in Hannover.
A l l e n d o r f is een stadje in Keur-Hessen; en een ander stadje van
den zelfden naam, die echter in den Nederduitschen tongval der
ingezetenen luidt als A l l e n t r o p —letterkeer van A l l e n t o r p ,
A l l e n d o r p —ligt er in Westfalen. A l l e n r o d e (de rode of rade,
het uitgerooide bosch, van den man A l l e ), is een gehucht bij
Hitzkirchen in Hessen. A l l e s h a u s e n [153]is een dorp bij
Riedlingen in Württemberg. A l l i n g (het patronymicum als
plaatsnaam; dat is gezegd: ten A l l i n g , bij de A l l i n g e n , ter
plaatse waar de A l l i n g e n , de nakomelingen van eenen man
A l l e wonen), is een dorp bij Starnberg in Beieren. A l l i n g d o r f
eindelijk is een gehucht bij Lübbecke in Westfalen, en
A l l i n g h a u s e n een dorp bij Wald-Broel in Rijn-Pruissen.

De mansnaam A l l e , op zich zelven een vleivorm van A l b e r t of

A l l a r t of A l w i n of van eenen anderen, met Al beginnenden
mansnaam, komt ook in verkleinvormen voor. Te weten als A l k e en
als A l t j e . Deze verkleinvormen verstaat iedere Nederlander, omdat
ke en tje als verkleinings-achtervoegsels nog heden in onze taal in
volle gebruik zijn. In overoude tijden echter hadden ook se en te als
achtervoegsels ter verkleining, gelding in onze taal. Bij gewone
woorden, bij zoogenoemde gemeene zelfstandige naamwoorden
komen deze laatstgenoemde achtervoegsels reeds sedert eeuwen
niet meer in onze taal voor. Maar als achtervoegsels ter verkleining,
bij mansvóórnamen, leven ze nog heden bij de Friezen. In Friesland
zijn nog heden de naamsvormen A l k e , A l k o , A l c o , A l s e
(met den patronymicalen vorm A l s i n g , dus oneigenlijk gebruikt),
A l t e en A l t in volle gebruik. Van deze verkleinde mansnamen zijn
weêr afgeleid de vrouwennamen A l k j e en A l k j e n , en A l s k e ;
de geslachtsnamen A l k e m a , A l s e m a , A l s s e m a , A l s m a ,
A l t a , A l t e m a , V a n A l t e m a , A l t e n a (oudtijds ook
A l t i n g a ); en de plaatsnamen A l k a m a - s t a t e te Hallum,
A l c k e m a - s a t e bij Westergeest, en A l t e n a - s a t e te Lutke-
Wierum. Alles in Friesland.

Dat de verkleinvormen A l k e , A l s e en A l t e oudtijds ook buiten

de grenzen van het hedendaagsche Friesland als mansnamen in
gebruik geweest zijn, blijkt uit sommige geslachtsnamen en
plaatsnamen, die nog heden in Holland en in Duitschland, en elders
in aangrenzende gewesten en gouwen voorkomen en bestaan.
Hoofdzakelijk echter aldaar, waar de ingezetene bevolking
oorspronkelijk van zuiver of van gemengd Frieschen bloede is. Als
zoodanig mogen hier vermeld worden de geslachtsnamen A l k e n ,
A l t u n g a , A l t e k a n a , A l t e n , A l t h e s , A l t s in Oost-
Friesland, A l s i n g in Drente, A l t i n g , [154]A l t i n k , A l t i n c k , in
de Sassische gouwen van Noord-Nederland, en A l t e s in Holland.
En de plaatsnamen A l k e m a d e (made is maailand, veld dat
gemaaid wordt om hooi te winnen), gemeente in Zuid-Holland.
Misschien ook A l k m a a r (maar = meer), stad in Noord-Holland.
Eveneens in Noord-Holland A l k e s w e e r , een stuk land bij het
dorp Assendelft. A l k h a m is eene stad in Kent, en A l k i n g t o n ligt
in Gloucestershire, beide in Engeland. Verder A l s u m (A l s a -
h e m , woonplaats van A l s e ), dorp in het Land Wursten (of voluit
Worthsaten), eene Oud-Friesche gouw aan den rechteroever van
den Wesermond in Hannover. A l t i n g is een gehucht bij Beilen in
Drente. En A l t i k o n (oudtijds voluit A l t i n c h o v a , Altinkhoven) is
een dorp in Zwitserland. A l k e n r a t h is een huis bij Solingen in
Rijn-Pruissen. A l t i n g , een gehucht bij Ranoldsberg in Beieren, en
A l t i n g e n , een dorp bij Herrenberg in Württemberg.

Men ziet hieruit, hoe oneindig veel er, op taalkundig gebied, valt af te
leiden, op te merken en mede te deelen, naar aanleiding van eenen
enkelen naam, in dit geval van den Gentschen maagschapsnaam
A l l i n c k x . En dan nog is alles, wat hier nu is aangegeven, slechts
als voor de hand opgenomen, is anders niet als ’t gene bij een
oppervlakkig zoeken gevonden werd. Zoo men echter geheel
nauwgezet wilde te werk gaan, zoo men alles wilde uitzoeken en
navorschen, zoo men alle bronnen wilde uitputten—wel! daar
kwamen gewis nog tienmaal meer namen, van A l l e afgeleid, of met
A l l e samenhangende, voor den dag; tienmaal meer dan men hier
nu vindt medegedeeld. Daar is dus geen denken aan, dat ook bij de
volgende Gentsche geslachtsnamen die ik nog wensch te vermelden
en te behandelen, zulk eene min of meer uitvoerige
behandelingswijze zoude kunnen worden gevolgd. Dit ware
onmogelijk, tenzij men geheele boekdeelen zoude willen
volschrijven. Slechts oppervlakkig en als ter loops zal ik nu nog wat
kunnen vermelden van andere Gentsche geslachtsnamen, die van
Oud-Germaansche mansnamen zijn afgeleid, of anderszins op zich
zelven die schoone oude mansvóórnamen in hunne volledige
vormen vertoonen.

R u y t i n c k x is een geslachtsnaam, die in alle zijne vormen het

evenbeeld van A l l i n c k x vertoont. Maar gelijk de mansnaam
[155]A l l e aan A l l i n c k x , zoo ligt de Oud-Germaansche
mansvóórnaam R u t e ten grondslag aan R u y t i n c k x . En R u t e
is ook, even als A l l e , een vleinaam; en wel een vleivorm van den
eenen of anderen volledigen Oud-Germaanschen mansnaam die
met den naamsstam Rud of Rod, Hrud of Hrod begint; bij voorbeeld
van R o b e r t , van R o g e r of van R o m e r , versletene vormen
(even als A l b e r t van A d e l b r e c h t versleten is) van
R o d b r e c h t , H r o d b e r c h t , van R o d g e r of R u t g e r ,
H r u d i g a r , van R o d m e r , R u d i m e r , H r o d m a r . Schoone
namen, waaruit de kracht en de stoerheid onzer Oud-Germaansche
voorouders ons, als ’t ware, nog te gemoet treden.

De mansnaam R u t e leeft nog heden onder de Friezen, geschreven

als R ú t (in ’t Nederlandsch R u i t ), uitgesproken als R u u t .
Tevens, in verkleinvorm als R ú t s j e (in ’t Nederlandsch R u i t j e ;
men spreekt R u u t s j e ), eveneens mansnaam. In oude Friesche
geschriften vond ik nog, als mansnamen, de verkleinvormen
R u y t s e en R u u t s e , die onder de hedendaagsche Friezen niet
meer in gebruik zijn. Verder, in klank eenigszins verschillende, als
oude, verouderde mansnaam, in geschriften, R u t en R u t h , in
verkleinvorm R u t s e ; en de vrouwennamen R u t j e , nog in leven,
en R u t s k e . Nog dient hier vermeld te worden, dat knapen,
jongelingen, mannen, in Friesland, die den doopnaam R u t g e r
dragen (dat is in Vlaamschen vorm R o g e r of R o g i e r , en in den
volledigen Oud-Germaanschen vorm H r o d g e r , H r u d i g a r ), in
het dagelijksche leven, bij verkorting, ook R u t worden genoemd.

Als geslachtsnamen van R ú t , R u t e afgeleid, vindt men in de

Vlaamsche gewesten, nevens R u y t i n c k x , nog R u y t i n c x en
R u y t i n x , als bijvormen; en R u t t e n s , R u e t e n s en R u t e n s ,
eveneens patronymicale namen. Zoo ook R u i t i n g a ,
R u i t e n g a , R u i t e m a , R u i t e n , R u t s k e m a in Friesland;
en R u y t i n c k , R u y t e n , R u t j e n s , elders in Noord-Nederland.
Als plaatsnamen: R u i t e n h u i z e n en R u i t e n v e e n , gehuchten
bij Nieuw-Leuzen in Overijssel; R u t e n b r o e k , dorp in Eemsland,
Hannover, aan de Groningerlandsche grens; R u t i n g , dorp bij
Oldenburg in Holstein; R u t s k e m a - s a t e , eene landhoeve te
Suameer in Friesland; R u t e n b e c k (beck = beek), gehucht bij
Bliedersdorf in Hannover, en R u t e n b e c k e , hoeve bij Sonnborn in
Rijn-Pruissen; R u t e s h e i m , dorp bij Leonberg in [156]Württemberg;
en nog vele anderen meer. Of de naam van het dorp R u t t e n , bij
Tongeren in Limburg, ook met den mansnaam R u t samenhangt,
acht ik wel waarschijnlijk; maar, bij gemis aan kennis van de oude
vormen, waaronder deze naam misschien in middeleeuwsche
oorkonden voorkomt, kan ik dit niet met zekerheid vermelden.

W y t i n c k , H e l l i n c k , W e l l i n c k . Deze drie Gentsche

geslachtsnamen onderscheiden zich hierdoor van de beide vorigen,
A l l i n c k x en R u y t i n c k x , dat ze niet, als dezen, in den tweeden
naamval staan, maar oude patronymica op zich zelven zijn. Ze zijn
gevormd uit de mansnamen W y t , H e l l e en W e l l e , vleivormen
van oorspronkelijke, volledige namen, even als A l l e en R u t e dit
zijn. In Vlaanderen en in andere Germaansche landen, waar deze
mansnamen oudtijds ook in gebruik waren, komen ze thans niet
meer voor. Wij moeten al wederom naar Friesland, om deze namen
nog in leven te vinden. In der daad komen W y t en W e l l e nog
heden onder de Friezen, als mansnamen voor. Beiden tamelijk
zeldzaam. Echter is W y t s e , een verkleinvorm van W y t , een van
de algemeenste Friesche mansnamen. W e l l e is heden ten dage
onder de Friezen uitgestorven, maar is toch herhaaldelijk, ook als
W e l l o en W e l , door mij in oude Friesche oorkonden als
mansnaam aangetroffen. Maar als vrouwennaam wordt W e l t j e
nog heden door sommige Friezinnen gedragen, even als H e l t j e ,
van den mansnaam H e l l e afgeleid, en even als ik W y t k e ,
W y t t i e (W y t j e ) en W y t nog als vrouwennamen in oude
geschriften heb ontmoet.

Overigens strekken vele verschillende geslachts- en plaatsnamen in

onderscheidene Germaansche landen ten onweêrsprekelijken
bewijze, dat W y t , W e l l e en H e l l e niet enkel in Vlaanderen,
maar ook elders als mansnamen in gebruik zijn geweest. Het zijn,
onder anderen, deze namen:

Geslachtsnamen: H w y t y n g h a , W y t t i n g a , W i t i n g a , (de
Friesche weêrga van den Gentschen naam W y t i n c k ), die in oude
Friesche oorkonden vermeld staan; en W y t e m a , W i t e m a , die
nog heden in Friesland leven. W y t y n c k in West-Vlaanderen.
W h i t i n g (ook W h i t t i n g —’t is ’t zelfde van oorsprongs wegen) in
Engeland. W y t , W y t e n , W y t t e n in Holland. Verder
W e l l i n g a , W e l l e m a , W e l m a , W e l l e n s en W e l l e s in
[157]Friesland. W e l l i n g in Drente. W e l l e n s en W e l l e k e n s
(afgeleid van W e l l e k e , verkleinvorm van den mansnaam
W e l l e ), elders in Vlaanderen en Brabant. W e l l s , W e l l i n g ,
W e l l i n g t o n in Engeland. Eindelijk: H e l l i n c k x , H e l l y n c k ,
H e l l y n c k x , alle drie bijvormen van den Gentschen naam
H e l l i n c k , in andere Vlaamsche en Brabantsche gewesten;
H e l l i n g a , H e l l e n g a , H e l l e m a en H e l l e s in Friesland.
H e l l i n g in Holland en in Engeland. Ook nog H e l s k e n s , in
Vlaanderen, afgeleid van H e l s k e n , verkleinvorm van den
mansnaam H e l l e .
Plaatsnamen: W y t w e r d , voormalig klooster, thans gehucht, bij het
dorp Uskwerd, in Groningerland; O o s t e r - W y t w e r d , dorp in
Groningerland; W i t u m (dat is: W i t a - h e m , woonplaats van
W y t ), dorp dat in den zeeboezem de Dollart, tusschen Oost-
Friesland en Groningerland verdronken ligt. W i t i k o n (oudtijds
voluit W i t i n c h o v a , de hoeve der Wytinks of der Witingen), dorp
bij Zürich in Zwitserland. Ook moet bij deze groep van plaatsnamen
gevoegd worden de naam van het Westvlaamsche dorp
W y t s c h a e t e , ’t welk ik als W y t s k a t e , de kate (kote, kot =
huis, hut) van W y t verklaar, en reeds uitvoeriger verklaard heb in
den negentienden jaargang van het Brugsche weekblad Rond den
Heerd, nummer van 2 December 1883, in een opstel: Oorsprong van
den naam Wytschaete. Dit opstel heeft nog aanleiding gegeven tot
sommige andere opstellen, op dien plaatsnaam betrekkelijk, en in
dien zelfden jaargang van genoemd blad geplaatst.

Als plaatsnamen van den mansnaam W e l l e afgeleid, dienen hier

genoemd te worden: W e l l i n g e n , dorp bij Osnabrück in Hannover;
W e l l i n g h u s e n , dorp in Ditmarschen, Holstein;
W e l l i n g s b ü t t e l , dorp bij Hamburg; W e l l i n g b o r o u g h en
W e l l i n g t o n , steden in Engeland; W e l k e n r a e d t (de raad of
rade of rode—uitgerooid bosch—van W e l k e , verkleinvorm van
W e l l e ), dorp in ’t Land van Luik. Of de namen der plaatsen
W e l l e n , bij Loon in Limburg, en W e l l e , bij Dender-Leeuw in
Oost-Vlaanderen, ook op de eene of andere wijze samenhangen
met den mansnaam W e l l e , moet ik hier in het midden laten, uit
gebrek aan kennis, betreffende de middeleeuwsche, de
oorspronkelijke, volledige vormen dezer namen. [158]

Ten slotte nog de plaatsnamen, aan den mansnaam H e l l e

ontleend: H e l w a r t of H e l w e r t , state (thans eene landhoeve) te
Roorda-Huizum in Friesland. Landhoeven, die H e l l i n g a - s t a t e
en H e l l i n g a - s a t e heeten bestaan er te Warga, te Ternaard, te
Mantgum, te Grouw en elders nog, in Friesland. H e l l u m , dorp in
Groningerland; en H e l w e r t , gehucht bij Rottum, eveneens in dat
gewest; H e l l i n g h a u s e n , dorp bij Lippstadt in Westfalen.
H e l l i n g h i l l , in Northumberland, Engeland. Misschien ook
H e l l e b e c q (de beek van H e l l e ) in Henegouwen. Bovendien
vind ik nog aangeteekend H e l l i n g h e n , dorp in Henegouwen;
maar ik kan geen dorp van zulk eenen naam op de landkaart van
Henegouwen vinden, en het lijstje van Belgische steden en dorpen,
dat voorkomt in den Indicateur des postes de Belgique (het eenige
werkje waarmede ik mij bij mijne namenstudiën moet behelpen, bij
gebrek aan een Aardrijkskundig Woordenboek van België)—dat
lijstje vermeldt dezen naam niet.

Uit het groot aantal Gentsche geslachtsnamen die den jongsten

patronymicalen uitgang, dien op s vertoonen, die dus eenvoudig
mansvóórnamen zijn, in den hedendaagschen tweeden naamval
geplaatst, heb ik een elftal gekozen die ik, wegens de mansnamen,
die er aan ten grondslag liggen, hier nader wensch te behandelen.
Het zijn S e g h e r s , W a u t e r s , B e r w o u t s , H a m e r s en
W y n a n t s ; G o o s s e n s ; ook B a u w e n s , R e y n s , C o e n s ,
R o e l s en M a n n e n s . Deze vijf eerstgenoemde namen vertoonen
den mansnaam in zijnen oorspronkelijken, volledigen vorm.
G o o s s e n , de mansnaam waarvan G o o s s e n s is afgeleid, is
sterk versleten. De vijf laatstgenoemde geslachtsnamen zijn
ontleend aan mansvóórnamen, die eigenlijk slechts vleivormen en
ingekorte vormen zijn van oorspronkelijke, volledige namen.

S e g h e r dan, de mansnaam, die aan den geslachtsnaam

S e g h e r s ten grondslag ligt, vertoont ten volledigsten zijnen
oorspronkelijken vorm, onveranderd en niet versleten. Hij is, even
als alle volledige, oorspronkelijke Germaansche mans- en
vrouwenvóórnamen, samengesteld uit twee naamsstammen; uit
sege of zege (dat is te zeggen: overwinning—het Hoogduitsche
woord Sieg), en her of heer. S e g h e r dus, „heer der overwinning”,
anders gezegd „overwinnaar” beteekenende, [159]is een schoone
mansnaam, wel waard meer in gebruik genomen te worden. Bij de
Vlamingen komt deze naam heden ten dage, zooverre mij bekend is,
slechts in zijnen verlatijnschten vorm, als V i c t o r , voor. Maar onder
de Noord-Nederlanders treft men hier en daar nog wel eenen man
aan, die S e g e r of Z e g e r heet. Vooral onder de Friezen is dit het
geval. Nevens den algemeen Nederlandschen vorm van dezen
naam dragen vele Friezen hem ook als S i e g e r of S i g e r , als
Z i g e r misspeld, in den bijzonder Frieschen vorm. Ook is bij hen
deze naam, in vrouwelijken vorm, menigvuldig aan vrouwen eigen;
die Friezinnen heeten dan S e g e r t j e , Z e g e r t j e , of
Siegerke.

In de Vlaamsche gewesten is de geslachtsnaam S e g h e r s , ook

veelvuldig als S e g e r s , Z e g h e r s en Z e g e r s voorkomende,
geenszins zeldzaam; ten bewijze dat oudtijds de mansnaam
S e g h e r door menigen Vlaming is gedragen geweest. In Friesland
heeft deze naam oorsprong gegeven aan de geslachtsnamen
S i g e r a (dit is een Oud-Friesche tweede-naamvalsvorm),
Siegersma, Sigersma, Sygersma, Ziegersma,
S e g e r s m a en S e e g e r s m a ; verder ook aan S i e g e r s en
S e g e r s . En aan de plaatsnamen S i g e r a - s t a t e , thans eene
boerenhofstede te Hallum; S i e g e r s w â l d e (S i e g e r s w o u d e ),
een dorp in Opsterland; ook draagt een voormalig klooster, thans
een landelijk gehucht, bij den dorpe Garijp, dezen naam. Verder is
S i e g e r s d i e p de naam van eenen stroom bij den dorpe
Eernewoude. De Vlamingen hebben nog dezen mansnaam
vertegenwoordigd in den naam van het dorp Z e g e r s c a p e l , de
kapelle van S e g h e r , in Fransch-Vlaanderen; en de Duitschers in
dien van S i e g e r s l e b e n , een dorp in het Pruissische gewest
Saksen.
De geslachtsnaam W a u t e r s is ontleend aan den mansnaam
W a u t e r of W o u t e r (zooals hij heden ten dage in de noordelijke
Nederlanden wordt geschreven). En deze naam, die, in de
Sassische gewesten ook als W o l t e r , nog heden veelvuldig in
Noord-Nederland, vooral ten platten lande, gedragen wordt, in
oorspronkelijk voluit W a l t h e r of W o l t h e r . De Franken en
Friezen hebben eerstgenoemden, de Sassen den anderen
tongvalsvorm; de Franschen hebben dezen naam tot Gauthier
verbasterd; ook komt hij wel, in verlatijnschten vorm, als
[160]G u a l t h e r u s voor. Het eerste gedeelte van dezen naam
bestaat uit den naamsstam wald, die in vele andere schoone Oud-
Germaansche mans- en vrouwennamen (W a l d m a n ,
W a l d b e r t , W a l d o m a r , en W a l t t r u d a , W a l d b u r g a ,
W a l d r a d e , ook A d e l w a l d , B e r w a l d (B e r w o u t ),
S i g w a l d (Zegewout) enz.) voorkomt; en uit den zelfden
naamsstam her, heer, die deel uitmaakt van den, hier voren
besprokenen mansnaam S e g h e r .

Van het groote aantal geslachts- en plaatsnamen aan den

mansnaam W a l t h e r ontleend, noemen we hier slechts
W a u t e r s , W o u t e r s en W o l t e r s (in groot aantal over al de
Nederlanden verspreid), W o l t e r i n c k en W o l t e r s e n ; verder
W o u t e r s w o u d e (de Friezen schrijven in hunne eigene taal
W â l t e r s w â l d ), een dorp in Friesland; W o l t e r s u m (dit is
W o l t e r s h e m , de woonplaats van W o l t h e r ), een dorp in
Groningerland; W o l t e r i n k , eene boerenhoeve te Zelhem in
Gelderland, W o l t e r s h a u s e n , een dorp bij Alfeld in Hannover;
en W o u t e r i n g e n , een dorp bij Tongeren in Limburg. Dit
Limburgsche W o u t e r i n g e n (de Walen hebben daar Otrange van
gemaakt) is geheel en al de zelfde naam als het Geldersche
Wolterink.
De geslachtsnaam B e r w o u t s doet ons den schoonen, volledigen
mansnaam B e r w o u t kennen, die als B e r w a l d reeds boven
genoemd is. Oudtijds werd deze naam ook wel als B e r o a l d en
B a r o a l d geschreven. In Holland kwam hij oudtijds wel als
B a r w o u t en B a e r w o u t voor, en in Friesland leeft hij nog heden
in den saamgetrokkenen, versletenen vorm B a r e l d . De
plaatsnaam B a r w o u t s w a a r d e r , zooals eene buurt heet, bij de
stad Woerden in Zuid-Holland gelegen, is van den mansnaam
B a r w o u t of B e r w o u t afgeleid; zoo ook B e r o l d a s h e i m , ’t
welk de oude, volle naamsvorm is van het dorp B e r t s h e i m bij
Straatsburg in de Elsate.

De geslachtsnaam W y n a n t s is zoowel aan Vlaanderen als aan

Friesland eigen, en afgeleid van den volledigen mansnaam
W y n a n t , W i n a n d , die nog heden, zij het dan ook zeldzaam, in
Holland en Friesland in levend gebruik is. W i n a n t is eigenlijk een
versleten vorm van W i g n a n d , en bestaat uit de naamsstammen
wig, voorkomende in W i g m a r of W i m e r , [161]W i g b e r c h t of
W i b e r t , W i g b e r n of W i b r e n (waarvan W i b e een vleivorm
is) en nand of nanth (ook aanwezig in den mansnaam
F e r d i n a n d ). In den naam van het dorp W i n a n t s r a d e
(W y n a n t s r a e d e ), dat in het Noord-Nederlandsche gedeelte van
Limburg gelegen is, vinden we den mansnaam W i g n a n t terug.

H a m e r s eindelijk heeft den mansnaam H a m e r ten grondslag;

een zeer oude naam, die nog uit den heidenschen tijd onzer
voorouders stamt. Eigenlijk is H a m e r geen volledige naam op zich
zelven, maar slechts een naamsstam, zoo als uit de oud
Germaansche, volledige mansnamen H a m a r o l f (H a m e r w o l f ),
H a m e r r i c h en H a m e r a r d blijkt. De naamsstam hamer heeft
de zelfde beteekenis als het hedendaagsche woord hamer, het
bekende werktuig aanduidende. Oudtijds was de hamer ook wapen
of oorlogstuig. Een zware hamer, door den gespierden arm van
eenen krachtvollen Germaanschen krijgsman gezwaaid, was gewis
geen te verachten wapen, en heeft voorzeker menigen vijandigen
schedel verpletterd. Men denke hier ook aan den hamer, Miölnir
geheeten, waarmede de oud Germaansche dondergod Thor was
gewapend, volgens de godenleer onzer voorouders, in hunnen
heidenschen tijd. In zijne beteekenis van oorlogstuig is de hamer
dan ook als naamsstam in gebruik gekomen, even als de helm (in
W i l h e l m of W i l l e m , A d e l h e l m of A l e m ), de speer of geer
(in G e e r h a r t , G e e r o l f ), het harnas of de bron (in B r o n g a r ).
Nevens den vorm H a m e r vindt men in oude geschriften ook
H a m a r en H a m r als mansnamen vermeld; deze laatste vorm
volgens de Noorsche, Friesche, Duitsche en Engelsche uitspraak
des woords.

Behalve in den Gentschen maagschapsnaam H a m e r s leeft de

oude mansnaam H a m e r of H a m m e r nog in de geslachtsnamen
Hameringa, Hammeringa, Hamringa, Hammerga
(de twee laatsten zijn saamgetrokkene vormen), H a m m e r s m a en
H a m e r s m a in Friesland, waar ook nog een plaatsnaam
H a m m e r s t i l l e (tille is het Friesche woord voor kleine brug),
zooals oudtijds eene brug heette bij den dorpe Westergeest, aan
dezen mansnaam zijn ontstaan verschuldigd is. Verder in
H a m a r i t h i , de middeleeuwsche naamsvorm van een dorp in
Gelderland, dat hedendaags H e m e r t heet; in H a m m e r u m ,
[162]een dorp in Jutland; in H a m a r e s h u s u n , de middeleeuwsche
naamsvorm van een dorp in Lippe, Duitschland, welke naam heden
ten dage tot H u m m e r s e n is verbasterd; enz.

G o o s s e n , de mansnaam, die aan den geslachtsnaam

G o o s s e n s ten grondslag ligt, vertoont eenen zeer versletenen
naamsvorm. Hij komt nog heden als mansvóórnaam in de
noordelijke Nederlanden voor, ofschoon zeldzaam. Oudtijds was hij
menigvuldiger in gebruik, zooals de oude, verouderde schrijfwijzen
G o e s s e n , G o i s s e n , G o e s e n , G o i s e n , G o s e n , in
oude oorkonden geenszins zeldzaam, aanduiden. De volle
oorspronkelijke vorm is G o d e s w i n , G o d s w i n , dat is te
zeggen: Gods vriend. Voorwaar, een schoone naam. Minder
afgesleten dan G o o s s e n , is de vorm G o z e w ij n of G o z e w i n ,
G o s u i n , die ook nog heden wel voorkomt.

Van de vijf overige, op bladzijde 158 genoemde, enkel op s

uitgaande patronymicale geslachtsnamen, behoeft B a u w e n s hier
geen naderen uitleg. De mansvóórnaam namelijk, die daaraan ten
grondslag ligt, B a u w e of B a v o (op zijn beurt vermoedelijk weêr
een vleivorm van B a l d e w y n , B a u d u i n , B o u d e w ij n ), is
reeds voldoende besproken, in een opstel van mijne hand getiteld:
„De naam van Sint-Bavo”, in jaargang 1891 van het Gentsche
tijdschrift Belfort.

Van de vier anderen volge hier nog een korte uitleg. R e y n s ,

R o e l s , C o e n s en M a n n e n s , tweede naamvalsvormen van
de mansnamen R e y n , R o e l , C o e n en M a n n e , vertoonen
geene volledige, vertoonen slechts ingekorte namen. Rein is slechts
een naamsstam, samengetrokken uit den vollen, ouden vorm Regin
of Ragin, en voorkomende in vele oude, schoone Germaansche
mansnamen; bij voorbeeld R e g i n h a l d (R e g i n a l d ,
R e i n a l d , R e i n o u t ), R e g i n h a r t (R e i n h a r t ,
R e i n a e r t ), R a g i n w u l f (R e i n o l f ), enz. Koen is een andere
naamsstam, deel uitmakende van de volledige mansnamen
K o e n r a a d , C u o n r a t h , die in eerstgenoemden vorm bij de
Noord-Nederlanders nog geenszins zeldzaam is; K o e n b e r t ,
C u n i b e r t , C u o n b e r c h t ; K o e n d e r t of K o e n e r t ,
K o e n a e r t , K o e n h a r d , enz. R o e l is geen naamsstam, maar
een vleivorm van R o e l o f of R u d o l f , H r u d o l f , H r o d w o l f .
Man eindelijk, is de naamsstam van een groot aantal Oud-
Germaansche mansnamen, [163]waaronder H e r m a n ,
H a r t m a n , M a n f r e d , M a n g o l d de bekendsten zijn. Als
M a n n o was deze naamsstam oudtijds ook veelvuldig op zich
zelven in gebruik, zij het dan ook bij verkorting uit eenen der
bovengenoemde volledige mannamen.

Bij de Friezen komen nog heden voor de mansnamen K o e n en

K o e n e , de vrouwennamen K o e n a en K o e n t j e , de
geslachtsnaam K o e n s . Evenzoo de mansnamen M a n n e en
M a n n o , de vrouwennaam M a n n a , de geslachtsnamen
M a n n i n g a en M a n k e s (van den verkleinvorm M a n k e ); ook
M a n n i s in Noord-Friesland; en de plaatsnaam M a n s h o l t , een
dorp in Oldenburg. Verder bij de Engelschen de geslachtsnaam
M a n n i n g , en de plaatsnamen M a n n i n g t o n in Norfolk en
M a n n i n g t r e e in Essex.

Behalve M a n k e , boven vermeld, hadden de Friezen oudtijds ook

de mansnamen M a n s e en M a n t e , mede oude verkleinvormen
van M a n n e , in gebruik. Heden ten dage zijn M a n s e en M a n t e
op zich zelven, als mansvóórnamen, buiten gebruik geraakt; maar
deze naamsvormen leven nog in de geslachtsnamen M a n s a n a ,
Oost-Friesland; M a n s i n g , M a n s i n g h , M a n t i n k , Noord-
Nederland; en in de plaatsnamen M a n s i n g e n , dorp in
Oldenburg; M a n t g u m (dat is M a n t i n g a - h e m , woonstede der
M a n t i n g e n , der afstammelingen van den man, die M a n t e
heette, bij vóórname), dorp in Friesland. Zoo die woonstede der
M a n t i n g e n in Vlaanderen hadde gelegen, in plaats van in
Friesland, het dorp dat uit deze M a n t i n g a - h e m ontstaan ware,
zoude nu waarschijnlijk M a n t e g h e m heeten, en dus eenen
oorbeeldig Vlaamschen naamsvorm dragen. Verder nog M a n t i n g ,
een gehucht bij den dorpe Westerbork in Drente; en
M a n t i n g h a u s e n , een dorp bij Büren in Westfalen.
Wij moeten ook naar Friesland gaan, om de mansnamen R e i n en
R o e l , die aan de Gentsche geslachtsnamen R e y n s en R o e l s
ten grondslag liggen, nog in leven te vinden, met de vrouwennamen,
de maagschapsnamen en de plaatsnamen, die daarvan zijn afgeleid.
R e i n en R o e l komen beide heden ten dage nog als mansnamen
onder de Friezen voor; met de vrouwennamen R e i n a en
R e i n t j e , R o e l t j e en R o e l k e . Verder de geslachtsnamen
R e y n i n g a , R e i n e m a en R e i n s .—R e i n i n g h , R e i n i n k ,
R e y n e n en S e r r e y n s , ook R e i n k e n s [164]en R e i n t j e n s
komen in andere Nederlandsche gewesten voor. R o e l i n g a ,
R o e l e n g a , R o e l s m a en R o e l s (ook R o e l i n g en
R o e l i n k in Drente). Plaatsnamen: R e i n s e e l (de sele of sale,
het aanzienlijke huis, Engelsch hall, van den man die R e i n heette),
eene sate (landhoeve) te Mariënweer in Oost-Friesland.
R e i n h u s e n , gehucht bij Friesoythe in Oldenburg. R o e l a -
s a t e , landhoeve te Eagum in Friesland; en het R o e l f e n t j e , een
stuk land te Oldersum in Oost-Friesland.

De laatste groep van Gentsche maagschapsnamen, die ons nog ter

bespreking overblijft, omvat de schoone, oude, Germaansche
namen, volledige mansvóórnamen op zich zelven, die op bladzijde
145 hiervoren zijn opgesomd. Weer een elftal van die zeer
bijzondere en zeer schoone namen heb ik uitgekozen, om hier nog
wat nader te worden verklaard. Het zijn E l e w a u t , G e v a e r t ,
Y s e b a e r t , Wo l f a e r t , Vo l c k r i c k , E l l e b o u d t ,
Inghelbrecht, Allaert, Hombrecht, Godtschalck
en G e l d o l f , allen namen die klinken als klokken, en waar de eere
onzer voorouders, de klankrijkdom en de rijkdom aan gespierde
vormen, die onze taal in de middeleeuwen zoo volop bezat, ons nog
uit tegenschallen,—namen die als eene eere, schier als een bewijs
van adeldom, althans als een teeken van adel-oudheid mogen
gelden voor de hedendaagsche Gentenaren, die ze, als eene erfenis
hunner Germaansche voorouders, mogen voeren.

E l e w a u t is oorspronkelijk en voluit de Oud-Germaansche

mansnaam A d e l w a l d , E d e l w a u t , een naam die onder
verschillende bijvormen, menigvuldig in de oude
geschiedenisboeken en oorkonden der Germaansche volken
voorkomt. In den vorm of in de schrijfwijze A d a l o a l d is deze
naam bekend als die van eenen koning der Longobarden, die in de
zevende eeuw leefde. Ook aan plaatsnamen heeft deze mansnaam
oorsprong gegeven; bij voorbeeld aan A d e t s c h w i l , een dorp in
het kanton Zürich, Zwitserland, welks volledige, oorspronkelijke
naam, ten jare 850, was A d a l o l t i s w i l a r e . Lag deze plaats in
Vlaanderen, hij zoude vermoedelijk thans E l e w a u t s w y l e r
heeten. Ook de naam van het dorp A h l s h a u s e n , gelegen bij
Eimbeck in Hannover, dankt zijnen oorsprong aan den mansnaam
[165]A d e l w a l d ; in eene zeer oude oorkonde namelijk staat deze
plaatsnaam in zijnen volledigen vorm als A d o l o l d e s h u s e n
vermeld.

Is de hedendaags Vlaamsche vorm van dezen naam, E l e w a u t , al

versleten van zijnen oorspronkelijken, volledigen vorm E d e l w a u t
of A d e l w a l d , in nog veel sterkere mate is dit het geval bij de
vormen, waaronder deze naam heden ten dage in Holland en in
Friesland nog in leven is. Te weten, in Holland als de geslachtsnaam
E l o u t ; en in Friesland als de mansvóórnaam A a l t .

Adel en wald, edel en waut, de twee naamsstammen, waaruit de

naam A d e l w a l d of E l e w a u t is samengesteld, hebben nog zeer
vele andere Oud-Germaansche mansvóórnamen gevormd; bij
voorbeeld A d e l b r e c h t of A l b e r t , A d e l h a r t of A l l a e r t ,
A d a l r i k of A l d r i k , W a l d r a v e n of W a l t r a m ,
W a l d o m a r en W a l t h e r (hier voren op bladz. 159 en 160 als
W a u t e r nader besproken).

G e v a e r t (in Holland en Friesland komt deze zelfde naam, in den

tweeden naamval geplaatst, als een patronymicum van nieuwere
dagteekening, als de geslachtsnaam G e v a e r t s voor)—
G e v a e r t dan is een echt Nederduitsche of Dietsche, en
bepaaldelijk een echt Oud-Vlaamsche vorm van den Oud-
Germaanschen naam, die in het Hoogduitsch als G e b h a r t
voorkomt. De naam G e b h a r t of G e v a e r t behoort, als
mansvóórnaam, geenszins tot de veelvuldig voorkomende of
algemeen in gebruik zijnde namen; althans niet in de Nederlanden.
Als G e v e r t , G e w e r t , G h e w e r t , G e w a e r t vinden we hem
in Oud-Friesche oorkonden. Aan de Zaan, eene Oud-Friesche gouw,
was hij oudtijds in den zeer versletenen vorm J e v e t in gebruik.
Ook is de hedendaagsche, in Holland voorkomende
maagschapsnaam G e v e r s er aan ontleend. Zoo mede de
plaatsnaam G e r b e r s d o r f , die eigen is aan een dorp in Neder-
Beieren, en die verbasterd is van G e b h a r d s d o r f , ten jare 893
geschreven G e b e h a r t e s d o r f .

Y s e b a e r t (I s e b r e c h t , I s e b e r t ), in zijnen volledigen,
oorspronkelijken vorm I s a n b e r c h t , is samengesteld uit de
naamsstammen [166]isan, ise en bercht of bert. De laatstgenoemde
naamsstam komt zeer algemeen voor, zooals reeds een en ander
maal in dit opstel is aangetoond. Met den eerstgenoemden is dit niet
het geval; hij is tamelijk zeldzaam. Wij kennen hem uit de
mansnamen I s u w a r t h of I s o a r d (in Frankrijk I s o u a r d ),
I s a n b r a n d (nog heden ten dage in leven als Y s b r a n d en
Y s e b r a n d , met de geslachtsnamen Y s b r a n d s z , en,
verlatijnscht, Y s b r a n d i ), I s a n g r i m (als Y z e g r i m nog wel
bekend, zij het dan ook maar als scheld- of bijnaam), enz.
I s a m b e r t komt nog heden als maagschapsnaam in Frankrijk
voor. I s a n p e r t e s d o r f is de volledige, oude naamsvorm (in het
hedendaagsche Vlaamsch zoude deze naam als
Y s e b a e r t s d o r p luiden) van het hedendaagsche
E i s s e l s d o r f , een gehucht bij Geisenhausen in Neder-Beieren.

W o l f a e r t (W o l f h a r t , de man met een hart of eenen aard—

geaardheid—als een wolf; men vergelijke E v e r a e r t ,
E v e r h a r d , B e e r n a e r t of B e r n h a r d , L e e n a e r t of
L e o n h a r d , Ever- of Wildzwijnshart, Berenhart, Leeuwenhart)—
W o l f a e r t is weêr een van die echt Oud-Germaansche namen,
waaruit ons als een geur van bosch en heide tegenwaait, waaruit
ons verbeeldingen als van eenen krachtvollen, dapperen jagersman
voor den geest rijzen. De naamsstam wolf was oudtijds zeer
veelvuldig tot het vormen van vóórnamen in gebruik. Honderden
namen, als W o l f a e r t , met wolf samengesteld, zijn ons in oude
oorkonden overgeleverd; een klein deel daarvan (W o l f r a m ,
W o l f g a n g of G a n g o l f —’t is het zelfde—G o d o l f , G e l d o l f ,
en enkelen meer) is tot in onzen tegenwoordigen tijd in ’t leven
gebleven. Nog heden is W o l f e r t , in misspelling W o l p h e r t ,
onder de Friezen als mansvóórnaam, zij het dan ook zeldzaam, in
gebruik. En nog heden strekt de naam W o l f a a r t s d ij k , eigen aan
een dorp in Zeeland, ten bewijze, dat het een man was, die
W o l f a a r t heette, welke eerst daar ter plaatse eenen dijk legde, tot
keering van het water der Schelde.

V o l c k r i c k . Ofschoon deze naam een oorbeeldig gevormde

mansvóórnaam is, en samengesteld uit twee naamsstammen die
[167]zeer menigvuldig voorkomen (in F o l k h a r t , F o l k a e r t of
F o l k e r t , F o l k w i n —verlatijnscht tot F o l q u i n u s ,—
F o l k r a d ; en in F r e d e r i k , H e i n r i k , R i k a e r t of
R i c h a r d , R i c h a e r t ), zoo is F o l k r i k toch geenszins een
naam, die veelvuldig ons is overgeleverd in oude geschriften,
evenmin als hij heden ten dage, ook niet in bijvormen of in
plaatsnamen, veelvuldig in gebruik is. Nevens V o l c k r i c k te Gent,
bestaat de zelfde naam te Brussel nog als V o l c k e r y c k . Maar
anders is hij mij niet voorgekomen, noch bekend geworden, bij het
Nederlandsche volk.

E l l e b o u d t . De naamsstam el of elle, van vele Nederduitsche

vóórnamen deel uitmakende (E l b e r t , E l w i n , E l b u r g a ) is
zoowel een versleten vorm van edel, adel, athal, als een bijvorm van
ala (A l a r i c , A l a w i c , A l a s w i n d e ). Van welken oorsprong de
naamsstam el is, in den Gentschen maagschapsnaam
E l l e b o u d t , durf ik niet bepalen. De andere naamsstam boudt,
baut, bald of bolt is zooveel te duidelijker, en uit B a l d o w i n ,
B a u d u i n of B o u d e w ij n , A r k e n b o u t of A r c h i m b a l d ,
R a g i n b a l d of R e i n e b o u t welbekend. Nevens E l l e b o u d t
komt ook H e l l e b o u t als maagschapsnaam in de Vlaamsche
gewesten voor; vermoedelijk verschillen deze twee namen slechts in
schrijfwijze, maar in oorsprong niet. In oude Friesche oorkonden
vond ik nog den mansnaam E l b o d , die misschien met den
Vlaamschen vorm E l l e b o u d t eenzelvig is.

I n g e l b r e c h t is weder een van die naamsvormen, waaruit de

bijzondere overeenkomst tusschen Oud-Vlaamsch en Friesch blijkt.
Immers ook de Friezen spreken het woord engel als ingel uit, en
eveneens hunne, nog in volle gebruik zijnde namen E n g e l e
(mansnaam) als I n g e l e , en E n g e l t j e (vrouwennaam) als
I n g e l t s j e . In oude Friesche oorkonden komt ook
I n g e l b r e c h t , I n g e l b e r t en I n g e l b a e r t (dit zijn alle drie
slechts vormen van eenen en den zelfden naam) geenszins
zeldzaam voor. Nog heden behoort E n g e l b r e c h t of
E n g e l b e r t in Nederland en Duitschland tot den schat van Oud-
Germaansche mansnamen, aan die landen eigen, ofschoon hij er al
te zeldzaam nog aan knaapkens gegeven wordt. [168]

Ook de Gentsche maagschapsnaam A l l a e r t heeft in Friesland zijn

weêrga, in verschillende vormen. Even als A l b e r t eene
samentrekking is van den volledigen naam A d e l b r e c h t , en
B e e r n a e r t voluit B e r n h a r d is, zoo is ook A l l a e r t
samengetrokken uit den vollen, oorspronkelijken vorm A d e l h a r d
of A d e l h a r t —in klank en vorm, en in beteekenis (edel van harte,
edel van aard), een zeer schoone naam. A l l a r t en A l l a r d , nog
meer versleten als A l l e r t , en nog meer verbasterd als A l d e r t ,
behoort nog heden in Friesland tot de gebruikelijke mansnamen.
Daarvan afgeleid zijn de vrouwennamen A l l e r t j e en A l d e r t j e —
voluit A d e l h a r d a —en de geslachtsnamen A l d e r t s m a en
A l d e r t s nog in leven; en A l l e r d a en A l l e r t s m a ,
uitgestorven. In Groningerland leven nog heden de geslachtsnamen
A l d r i n g a (oorspronkelijk voluit A l d e r d i n g a ,
A d e l h a r d i n g a ), mede een Oud-Friesche patronymicale vorm;
A l d e r s m a , A l d e r s h o f f . En in Oost-Friesland bestond oudtijds
eene maagschap die den naam A l d e r s n a (mede een Oud-
Friesche tweede-naamvalsvorm) droeg. A l d r i n g (oorspronkelijk
voluit A l h a r d i n g , A d e l h a r d i n g ) is aan eene Engelsche
maagschap eigen; en A l d r i n k , A l d e r d e n , A l d e r d i n g ,
A l d e r s e , A l l e r d i n g en A l l e r t s komen nog heden in Holland
en andere Noord-Nederlandsche gewesten voor. Ook aan sommige
plaatsnamen heeft de mansnaam A d e l h a r t oorsprong gegeven.
Zoo is A l l e r t s o o g (de Friezen spreken en schrijven