duży kontrast mapa strony
Strona startowa » Nauka i technologie »

Wyszukiwarka Nekst uporządkuje polski internet

Polska Agencja Prasowa / Ludwika Tomala

Szacuje się, że w polskim internecie jest teraz około miliarda polskojęzycznych dokumentów. Dane te porządkują i analizują twórcy polskiej semantycznej wyszukiwarki internetowej Nekst. System pozwolić ma na precyzyjniejsze przeszukiwanie polskich tekstów.
Nad wyszukiwarką pracuje zespół z Instytutu Podstaw Informatyki PAN w Warszawie, a także z Politechniki Wrocławskiej. Badacze chcą do czerwca tego roku zeskanować w sumie 500 mln dokumentów (tekstów - m.in. artykułów czy plików pdf), a więc połowę polskiego internetu. Wtedy też Nekst ma być udostępniony użytkownikom. Z czasem badacze chcą zeskanować i na bieżąco aktualizować dane o wszystkich polskich tekstach w internecie.

"Nawet Google czy Yahoo, przy całej swojej potędze, prawdopodobnie nie mają zebranego całego polskiego internetu" - przyznaje kierownik projektu, prof. Jacek Koronacki, dyrektor IPI PAN. Szacuje, że wyszukiwarki te gromadzić mogą np. tylko co piąty dokument po polsku.

Na razie twórcom polskiej wyszukiwarki udało się zebrać 160 mln polskojęzycznych dokumentów, a więc ok. 16 proc. polskiego internetu. Jak zaznacza w rozmowie z PAP jeden z twórców wyszukiwarki, dr Dariusz Czerski z IPI PAN, problem nie leży w przechowaniu na serwerach instytutu surowych tekstów. Skompresowane zajmują one ok. 3 terabajtów, czyli zmieściłyby się na trzech niedużych przenośnych dyskach twardych. Jednak teksty te należy na bieżąco opisywać i uporządkować, aby można je było przetwarzać dla potrzeb wyszukiwania.

Polska wyszukiwarka będzie działała według całkiem innych algorytmów niż największe wyszukiwarki międzynarodowe. "Te wyszukiwarki nie mają mechanizmów, które naśladowałyby rozumienie języka" - opowiada prof. Koronacki i podkreśla, że Nekst będzie pierwszą w Europie tak dużą wyszukiwarką semantyczną dla narodowego języka.

Nekst nie będzie wyszukiwała na stronie jedynie ciągu znaków - słów kluczowych, ale raczej analizować będzie gromadzone teksty pod kątem najczęściej pojawiających się w nich istotniejszych słów i wyrażeń wielosłownych (np. fraz rzeczownikowych). Dzięki temu wyszukiwarka może "wywnioskować", o czym jest dany tekst i jak najskuteczniej go zaklasyfikować. "Musimy umieć budować mechanizmy rozumienia języka, które zdecydowanie różnią się od inżynierii dla języka angielskiego. Musimy zwłaszcza umieć uwzględniać fleksję i swobodny szyk zdania" - wyjaśnia prof. Koronacki.

I tak przykładowo, jeśli internauta zapyta o opony, Nekst ujednoznaczni zapytanie i dopyta, czy chodzi o opony samochodowe (bo może też chodzić opony mózgowe). Pokaże szukającemu linki także do stron, w których nie ma frazy „opony samochodowe”, ale występuje rdzeń słowa "opony" i pojawiają się inne słowa, które wskażą, że strona rzeczywiście poświęcona jest motoryzacji.

Pytania zadawane wyszukiwarce mogą być zamawiane w języku naturalnym, a więc będą bardziej podobne do pytań zadawanych człowiekowi. Jej twórcy chcą też, by Nekst podawała nie tylko linki do stron, ale również wskazywała interesujący osobę zadającą pytanie fragment strony. Jeśli zapytamy, w którym roku zmarł Kazimierz Wielki, powinna ona wskazać w dokumentach zdania zawierające odpowiedź - np. "Kazimierz Wielki zmarł w 1370 r".

Naukowcy pracują też nad tym, by ich system potrafił analizować wydźwięk emocjonalny danej wypowiedzi. Mechanizm będzie umiał rozpoznać, czy o danym zjawisku, firmie czy osobie mówi się w pozytywny czy w negatywny sposób. Uczestnicy projektu Nekst chcą też, by ich system w przyszłości usprawnił wykrywanie plagiatów.

W ramach projektu trwają też prace nad analizą obrazów - wyszukiwarka w dokumentach będzie mogła po pewnego stopnia rozpoznawać, co jest na ilustracjach. (PAP)

Abonament

Nauka i technologie

"Szkoła zawodowców" - projekt dla uczniów kujawsko-pomorskich technikówJak działa druk 3D? Tego dowiadywali się uczniowie w ramach projektu "Szkoła zawodowców". Zajęcia dla młodzieży z technikum odbywają się na UMK w Toruniu. Uczniowie mają okazję poszerzyć swoją wiedzę praktyczną. Leszek Wydźgowski, koordynator programu z UMK, prezentował im m.in. robota, który powstał na uczelni przy pomocy drukarki 3D. W programie bierz ... W Obornikach Śląskich powstanie pierwsza w Polsce cyfrowa stacja elektroenergetycznaW Obornikach Śląskich na Dolnym Śląsku powstanie pierwsza w Polsce cyfrowa stacja elektroenergetyczna. Będzie to możliwe dzięki modernizacji rozdzielni 110 kV, którą przeprowadzi Tauron Dystrybucja. Rozdzielnia w stacji elektroenergetycznej dostarcza energię do odbiorców indywidualnych i przemysłowych, a także obiektów uzdrowiskowych. Stacja wykorzystywana ... Tchórzewski: można połączyć prace nad autem elektrycznym i pojazdem autonomicznymPodczas prac nad stworzeniem polskiego samochodu elektrycznego możliwe jest równoległe opracowanie pojazdu autonomicznego - powiedział we wtorek dziennikarzom minister energii Krzysztof Tchórzewski. Tchórzewski bierze udział w międzynarodowej konferencji pt. "Autonomiczna przyszłość transportu drogowego". Pojazdy autonomiczne to takie, które jeżdżą bez kie ... Polscy i szwedzcy uczeni będą współpracowali przy analizach DNAUczeni z Pomorskiego Uniwersytetu Medycznego ze Szczecina oraz z Uniwersytetu w Uppsali w Szwecji będą współpracowali przy analizach materiału genetycznego - tzw. DNA kopalnego. List intencyjny dotyczący współpracy uczelni podpisano w piątek w Szczecinie. Pomorski Uniwersytet Medyczny (PUM) rozpoczyna współpracę z prof. Marie Allen, która jest kierownikiem ... Po kilkunastu latach badania Saturna sonda Cassini kończy swoją misjęPo kilkunastu latach kończy się misja Cassini-Huygens, której celem było badanie Saturna. W piątek 15 września sonda Cassini wejdzie w atmosferę planety i ulegnie zniszczeniu. Wcześniej jednak prześle unikatowe dane zebrane podczas tego manewru - zapowiada NASA. Misję prowadziły wspólnie: NASA, Europejska Agencja Kosmiczna (ESA) oraz Włoska Agencja Kosmicz ... Innowacyjny rower z napędem hybrydowym… z drukarki 3DBezszprychowy rower z napędem hybrydowym, mechanizmem skręcania za pomocą manetek, w całości wydrukowany w technologii 3D skonstruowali studenci z Politechniki Śląskiej w Gliwicach. Wraz ze swym opiekunem przekonują, że choć to szalony pomysł, ma przyszłość. Na tym nietypowym rowerze jeździć jeszcze nie można – to dopiero prototyp, jednak jego twórcy z Wyd ... Fot. FreeimagesW najbliższych dniach możliwe są zorze polarne nad PolskąDzięki silnym rozbłyskom na Słońcu w najbliższych dniach możliwe są zorze polarne nad Polską. Największe szanse na ich zobaczenie będą mieli mieszkańcy północnej części kraju. Mogą też wystąpić zakłócenia w łączności i działaniu systemu GPS. Jak poinformowała amerykańska agencja kosmiczna NASA, w środę na Słońcu odnotowano dwa silne rozbłyski, w tym jeden ... Nissan zaprezentował nowy model auta elektrycznego LeafNissan Motor Co. zaprezentował w środę nową generację swojego elektrycznego samochodu Leaf. Może on przejechać na jednym ładowaniu do 400 kilometrów - podała agencja Kyodo. Nowy Leaf ma trafić najpierw do sprzedaży w Japonii, gdzie jego premierę ustalono na październik. W styczniu ma być dostępny również dla klientów w Europie i Stanach Zjednoczonych. Pods ... Pojazd, komponenty, produkcja, rynek - filary projektu auta na prądPojazd, komponenty do niego, wariant produkcji oraz rynek na produkt finalny - to cztery filary projektu budowy polskiego samochodu elektrycznego. Pracująca nad nim spółka Electromobility Poland przedstawiła w środę plany na najbliższą przyszłość. 12 września rozstrzygnięty zostanie konkurs na wizualizację nadwozia polskiego samochodu elektrycznego. Konkur ... Raport: Polska wśród krajów z najwolniejszym internetem w UEPolska ma jedno z najwolniejszych połączeń internetowych wśród państw UE - wynika z opublikowanego we wtorek raportu brytyjskiej firmy Cable.co.uk. Pod względem szybkości połączenia Polska jest 21. w Unii i przedostatnia w Europie Środkowo-Wschodniej. Raport został przygotowany w oparciu o dane grupy M-Lab, w której skład wchodzą ośrodki badawcze Open Tech ...
1234567
Ważne: nasze strony wykorzystują pliki cookies.

Używamy informacji zapisanych za pomocą cookies i podobnych technologii m.in. w celach reklamowych i statystycznych oraz w celu dostosowania naszych serwisów do indywidualnych potrzeb użytkowników. Mogą też stosować je współpracujący z nami reklamodawcy, firmy badawcze oraz dostawcy aplikacji multimedialnych. W programie służącym do obsługi internetu można zmienić ustawienia dotyczące cookies. Korzystanie z naszych serwisów internetowych bez zmiany ustawień dotyczących cookies oznacza, że będą one zapisane w pamięci urządzenia. Więcej informacji można znaleźć w naszej Polityce prywatności

Zamieszczone na stronach internetowych www.radiopik.pl materiały sygnowane skrótem „PAP” stanowią element Serwisów Informacyjnych PAP, będących bazą danych, których producentem i wydawcą jest Polska Agencja Prasowa S.A. z siedzibą w Warszawie. Chronione są one przepisami ustawy z dnia 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych oraz ustawy z dnia 27 lipca 2001 r. o ochronie baz danych. Powyższe materiały wykorzystywane są przez Polskie Radio Regionalną Rozgłośnię w Bydgoszczy „Polskie Radio Pomorza i Kujaw” S.A. na podstawie stosownej umowy licencyjnej. Jakiekolwiek wykorzystywanie przedmiotowych materiałów przez użytkowników Portalu, poza przewidzianymi przez przepisy prawa wyjątkami, w szczególności dozwolonym użytkiem osobistym, jest zabronione. PAP S.A. zastrzega, iż dalsze rozpowszechnianie materiałów, o których mowa w art. 25 ust. 1 pkt. b) ustawy o prawie autorskim i prawach pokrewnych, jest zabronione.

Rozumiem i wchodzę na stronę