रूपात्मक खोज

सटीक वाक्यांशों की बात आने पर डेटाबेस में सटीक खोज बहुत अच्छी है। लेकिन क्या करना है जब दस्तावेजों के बीच एक कीव मानचित्र है लेकिन कोई कीव मानचित्र नहीं है ? भाषा फ़िल्टर मामले में शामिल हैं। सबसे पहले, लेक्सिकल स्तर पर, पाठ के एक अखंड ब्लॉक के साथ सभी प्रकार के शब्दों के क्रमपरिवर्तन और उनके बीच की दूरी को ध्यान में रखना मुश्किल हो जाता है। दूसरे, आप भाषा में जितनी गहराई से खुदाई करते हैं, यह उतना ही स्पष्ट हो जाता है कि सिमेंटिक वेब स्वचालित विश्लेषक और कुछ प्रकार के चित्रों और मॉडलों के जनरेटर के लिए एक अविश्वसनीय रूप से जटिल बार है , अकेले आरडीएफ को मैन्युअल रूप से लिखें। आकृति विज्ञान अध्ययन आकार बदलता है। विज्ञान के विभिन्न क्षेत्रों में वस्तुएं (उदाहरण के लिए, वनस्पति विज्ञान)। इसलिए, दो तरीके हैं - या तो

खोज करते समय सभी रूपों पर विचार करें, और शब्द और खोज की जड़ को काट दें

केवल उस पर। उत्तरार्द्ध विधि को स्टेमिंग कहा जाता है, अलग

गति, सरलता और शब्दकोशों की आवश्यकता नहीं है। इसका उपयोग Bitrix और MS Sharepoint , Sphinx द्वारा किया जाता है। समस्याएँ उन शब्दों के साथ उत्पन्न होती हैं जहाँ जड़ परिवर्तनशील (रन-रन, ग्रोथ-ग्रोथ, शेर-शेरनी) होती है। मैं स्टेमिंग के बारे में बात नहीं करूंगा, देखें कि यह रूसी आकृति विज्ञान के साथ पीएचपी द्वारा कैसे लागू किया जाता है। मुझे शब्दकोशों में ज्यादा दिलचस्पी है। रूसी भाषा का राष्ट्रीय कोष लगभग यह बताता है कि किसी भी शब्द में क्या विशेषताएं हो सकती हैं। अब हम धीरे-धीरे इस समझ के करीब पहुंच रहे हैं कि हमें शब्द के आधुनिक मॉर्फोलॉजिकल डेटाबेस ( आरएमयू , एओटी ) की आवश्यकता है, जो सिमेंटिक नेटवर्क के लिए एक प्रोटोटाइप है।

अनुक्रमण और खोज

विचार एक डेटाबेस (Postgre) का उपयोग मॉर्फ्स (सभी संभव शब्दों) और संबद्ध टोकन (जड़ें और प्रत्यय) के साथ किया जाता है। जब कोई दस्तावेज़ अनुक्रमित होता है:

• किसी दस्तावेज़ का पृष्ठांकन
• सामान्यीकरण - प्रत्येक शब्द एक रूप से जुड़ा होता है, यदि कोई हो
  
  
• यदि कोई रूप नहीं है, तो भविष्य में उन्हें कुछ शब्दों के उल्लेख की पंजीकरण आवृत्ति के कारण मैन्युअल रूप से शब्दकोश में जोड़ा जाता है

खोज करते समय, एक समान प्रक्रिया होती है - प्रत्येक क्वेरी शब्द सामान्य है यदि यह टोकन के बीच है और दस्तावेजों की सूची "क्वेरी-टोकन-मॉर्फ-डॉक्यूमेंट" रिश्तों से प्राप्त की गई है। शब्दकोश को गति देने के लिए, आप पूरी तालिका को तुरंत रैम में लोड कर सकते हैं (मैंने हल्के डेटाबेस के बारे में झेन्या से सुना - hsldld )

भाषा का उच्चतम स्तर

प्रासंगिकता के साथ क्या करना है? शब्दों की दूरी या उनके अनुक्रम को ध्यान में रखते हुए पहले से ही वाक्यात्मक स्तर का मामला है । सिंथेटिक इंडेक्सिंग में वाक्यों को तोड़ना और एक वाक्य में उपयोग किए जाने वाले शब्दों के बीच लिंक बनाना शामिल है। इसके अलावा, यह ध्यान रखना संभव है कि भाषण का कौन सा हिस्सा कार्य करता है। डेटाबेस में, यह टोकनों के बीच कनेक्शन के साथ एक और तालिका की तरह दिखता है और उदाहरण के लिए, एक वाक्य में कई शब्दों की उपस्थिति की जाँच की जाती है। शब्दार्थ स्तर को पहले से ही शब्दों के बीच संबंधों के प्रकारों को ध्यान में रखना चाहिए (समानार्थी / विलोम, विलोम = भाग / holonyms, hyponyms / hyperms), t। करें.ई.। आदर्श रूप से, "बोनापार्ट के बच्चों" की क्वेरी के लिए, "वालवस्की के पिता - नेपोलियन" जैसे दस्तावेज़ मिलेंगे। लेकिन उच्चतम स्तरों का मुख्य कार्य गृहविज्ञान का विश्लेषण करना है, अर्थात्। दोनों मूल (कुंजी, धनुष) और तनाव की अस्पष्टता (सो जाओ / सो जाओ, भाप / ऊंची)। फिलहाल, google और yandex दोनों शब्द संयुग्मों को ध्यान में रखते हैं, लेकिन आपने किस तरह का अर्थ फिर से नहीं पूछा। यह भी पढ़ें:

• रूसी के लिए पोर्टर स्टेमिंग
• Rabler में स्टेमिंग का उपयोग करना
• भाषाई संसाधन संदर्भों का एक समूह
  
  
• Aot.ru पर इसके अचूक प्रारूप में शब्दकोश + सॉफ्टवेयर

बात कर रहे बिल्लियों की एक जोड़ी स्पष्ट रूप से दिखाती है कि भाषा पैदा होती है जहां संचार पैदा होता है। पीएस दुर्भाग्य से, मुझे रनेट में वर्डनेट का एक एनालॉग नहीं मिला (केवल ज़ालिज़नीक के शब्दकोश पर आधारित "एरैडने" का उल्लेख है)। क्या किसी ने इस बारे में सोचा है?





+ मूल