Для задания я должен предложить алгоритм для вычисления степени родства между двумя терминами данного документа. Я не знаю, с чего начать создание такого алгоритма ;. Все это относится к области информационного поиска, и в настоящее время мы изучаем модель бинарного и векторного пространства и т. д.
Если бы кто-нибудь мог направить меня в правильном направлении, по крайней мере, это было бы здорово! Или любые ссылки, которые могут помочь.
Ключевой проблемой интеллектуального анализа текста является извлечение отношений между терминами. Созданные вручную лексические ресурсы, такие как Wordnet, имеют ограничения, когда речь идет о специальных текстовых корпусах. Были предложены дистрибутивные подходы к проблеме автоматического построения тезаурусов из больших корпусов с использованием сложных методов обработки естественного языка, что делает их специфичными для языка и требует больших вычислительных ресурсов. Предполагается, что в ряде приложений нет необходимости определять точную природу отношений терминов, но достаточно зафиксировать и использовать частое совпадение терминов. Такое приложение является рекомендацией тега.
Системы совместной маркировки представляют собой хранилища социальных данных, в которых пользователи управляют веб-ресурсами, присваивая им описательные ключевые слова (теги). Важным элементом систем совместной маркировки является рекомендатель меток, который предлагает набор меток пользователю, публикующему ресурс. В этом докладе мы исследуем потенциал трех источников тегов: содержимое ресурса (включая поля метаданных, такие как заголовок), профиль ресурса (набор тегов, присвоенных ресурсу всеми пользователями, пометившими его) и профиль пользователя (набор тегов). теги, назначенные пользователем всем ресурсам, которые он пометил). Набор тегов, основанный на содержании, дополняется соответствующими тегами на графиках «тег-тег» и «заголовок-слово-тег», которые фиксируют совпадения слов в качестве тегов и/или слов заголовков. Результирующий набор тегов дополнительно обогащается тегами, ранее использовавшимися для описания того же ресурса (профиля ресурса). Набор тегов на основе ресурсов сверяется с тегами профилей пользователей — богатым, но неточным источником информации об интересах пользователей. Результатом является набор тегов, относящихся как к ресурсу, так и к пользователю.
(И если вы скопируете это дословно в свой отчет, профессор обязательно обнаружит, что вы получили его из простого поиска в Google, как это сделал я.)
