http://nigma.ru/index_menu.php?action=click_menu&menu_element=description

Описание проекта

Многие современные поисковые системы основаны на хорошо известных методах и алгоритмах [1,2], разработанных еще до появления Интернет. Общая задача информационного поиска в Интернет не изменилась -- необходимо найти релевантные запросу документы, т.е. документы, соответствующие информационной потребности пользователя. Однако природа Интернет влечет изменение постановки задачи поиска и обусловливает необходимость разработки новых методов обработки полученных данных с целью сужения области поиска. Одним из методов, позволяющих пользователю найти нужную информацию в Интернете является кластеризация полученных документов. Системы, обеспечивающие кластеризацию полученных документов реализованы для английского языка [3,4].

Алгоритм

На основе введенного пользовательского запроса сформировать список документов, разделенных на несколько классов с аннотацией каждого класса и самого документа. Нами рассматриваются несколько методов формирования кластеров из документов, как online, когда кластеры формируются динамически на основе полученных документов, так и offline - этот подход предполагает предварительное обучение системы. Для улучшения качества кластеризации документов предполагается использовать различные web сервисы: корпус русского языка - набор обучающих текстов [5], системы лескико-семантического анализа текста [6].

Литература

Baeza-Yates R., Ribeiro-Neto B. Modern Information Retrieval. ACM Press, 1999
Salton G., McGill M. J. Introduction to modern Information Retrieval. McGraw-Hill Computer Science Series. McGraw-Hill, New York, 1983.
http://vivisimo.com - поисковая системы с иерархической кластеризацией
http://mooter.com - поисковая системы с графическим представлением полученных кластеров
http://www.phil.pu.ru - тезаурусы русского языка
http://ruscorpora.ru - корпус русского языка