Search for synonyms in Wikipedia - Science Library

- 10 -
текстов 1 [43], [70], определение тематически однородных частей текста и
приписывание этим частям документа тематических тегов [72], [104],
реферирование текстов, и многие др. Автоматический поиск синонимов и
семантически близких слов является одной из задач АОТ.
Актуальность работы определяется возможными областями
приложений результатов диссертации. Во-первых, это поиск похожих
вершин графа в рамках задачи Ontology Matching [132], [164], [190]. Вовторых,
предложенное решение задачи автоматического поиска синонимов и
семантически близких слов может использоваться в поисковых системах для
расширения запроса (на основе вычисления сходства запроса и документа
[86], сходства запросов между собой 2 [101], с помощью тезаурусов [10], [95],
[163]), для автоматизированного построения онтологии по тексту 3 , для
расширения существующих и создания новых тезаурусов 4 [135]. В-третьих,
разработанная программа поиска семантически близких слов, вероятно,
будет востребована лингвистами-лексикографами при составлении словарей
синонимов [7], [56], [161]. В работе [79] перечислены ещё два приложения,
требующих решения задачи «similarity search»:
• «collaborative filtering» – определение пользователей, имеющих
одинаковый вкус, предпочтения;
• поиск / исключение документов почти-копий (англ. «near
duplicate»), которое требуется при индексировании документов.
1 «Кластер-анализ – это способ группировки многомерных объектов, основанный на представлении
результатов отдельных наблюдений точками подходящего геометрического пространства с
последующим выделением групп как “сгустков” этих точек.» [43]. Кластер в англ. это «сгусток», «гроздь
(винограда)», «скопление (звёзд)» и т.п. Неформально, кластер – это связный подграф с большим числом
внутренних и небольшим числом внешних рёбер [165].
2 В работе [79] указан вариант объединения двух задач: (1) уточнение поискового запроса и
(2) определение сходства запросов между собой. Подход заключается в том, чтобы на основе сходства
результатов (множеств найденных документов) находить похожие запросы. Тогда поисковая система
сможет предложить пользователю альтернативные формулировки запроса.
3 В работе [116] представлена схема извлечения концептов и отношений из текста с помощью эксперта
(система T-Rex – The Trainable Relation Extraction framework).
4 Достоинство тезаурусов, построенных с помощью Википедии, как отмечают в работе [135] – это
стоимость, постоянное расширение, то есть адекватность современному лексикону, многоязычность (то
есть привязка к концепту слов на разных языках).