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

Pierwszy raz wykryto fale grawitacyjne i rozbłysk od zderzenia gwiazd neutronowychAstronomowie po raz pierwszy zarejestrowali jednocześnie fale grawitacyjne i rozbłysk, pochodzące od jednego zjawiska - zderzenia dwóch gwiazd neutronowych. W obserwacjach, prowadzonych przez zespoły badawcze na całym świecie, brali udział Polacy. W lutym 2015 światem naukowym wstrząsnęła wiadomość o pierwszym, historycznym wykryciu fal grawitacyjnych - zm ... Streżyńska: cyfrowe państwo musi być bezpieczneCyfrowe państwo musi być bezpieczne – podkreśliła minister cyfryzacji Anna Streżyńska podczas III Europejskiego Forum Cyberbezpieczeństwa CYBERSEC w Krakowie. Jak dodała, rząd realizuje szereg projektów, które zwiększają bezpieczeństwo państwowych rejestrów. „Cyfrowe państwo musi być bezpieczne, bo nawet jeśliby udało się przenieść wszystkie usługi publicz ... Rosja wykorzystała platformy Google w kampanii dezinformacyjnej w 2016 r.Google odkryło, że rosyjscy agenci wydali kilkadziesiąt tys. dolarów na reklamy mające wpłynąć na wynik amerykańskich wyborów. Zmanipulowane treści były wyświetlane m.in. na YouTube, Gmail i w wyszukiwarce Google - podaje w poniedziałek "Washington Post". Według źródeł dziennika "WP" odkryte przez Google rosyjskie działania mają tym większe znaczenie, że w ... Balonem z Torunia do stratosfery1000 kosmicznych eksperymentów wyśle w podróż za pomocą balonu stratosferycznego Centrum Nowoczesności Młyn Wiedzy w Toruniu. Jak zachowa się plastelina na wysokości kilkudziesięciu kilometrów nad Ziemią? Jaki słonecznik wyrośnie z ziarenka wysłanego w taką podróż? - tego dowiedzą się uczestnicy kosmicznego projektu "miniSAT 2018". Jak wyjaśnia Marcin ... Dwie planetoidy otrzymały polskie nazwyDwie planetoidy odkryte przez Polaków będą nosiły nazwy na cześć kobiet: zwyciężczyni olimpiady astronomicznej Zosi Kaczmarek oraz lekarki z Krakowa Marty Żołnowskiej - wynika z informacji opublikowanych przez Międzynarodową Unię Astronomiczną oraz Minor Planet Center. Na niebie mamy od teraz planetoidę (486239) Zosiakaczmarek, wcześniej znaną jako 2013 BK ... Naukowiec: badania meteorytów pozwalają m.in. przewidzieć kolizję Ziemi z planetoidąWyniki badań meteorytów pozwalają m.in. odpowiedzieć na fundamentalne pytania dotyczące budowy materii we Wszechświecie, ale też przewidzieć potencjalne zagrożenia dla Ziemi, np. kolizję z planetoidą – powiedział PAP dr Radosław Wach z Politechniki Łódzkiej. Meteoroid to niewielki okruch skalny, pochodzący głównie z planetoid. Gdy wpada w ziemską atmosferę ... Chemicy z UMK realizują kolejne zadanie dla Europejskiej Agencji KosmicznejToruńscy chemicy z Uniwersytetu Mikołaja Kopernika rozpoczęli realizację kolejnego zadania dla Europejskiej Agencji Kosmicznej (ESA). Przez pół roku będą badali wpływ ogrzewania w próżni na materiały wykorzystywane później w przemyśle kosmicznym. "Badamy ile poszczególne materiały, które są wykorzystywane później w kosmicznych technologiach, tracą podczas ... Statek piracki i wystawa zdjęć żaglowców w Młynie Wiedzy w ToruniuPiracki statek zacumował przy rzece w Toruniu. Przy rzece wyjątkowej, bo płynącej w Centrum Nowoczesności Młyn Wiedzy. Od początku działania instytucji wystawa "Rzeka" jest jedną z największych atrakcji tego miejsca. Dodatkową propozycją jest teraz statek, na którego pokładzie przygotowano 14 stanowisk interaktywnych. - Nowa instalacja uczy koordynacji ... Impreza potrwa do piątku. Darmowe wejściówki można odebrać w rejestracji zaraz przy wejściu. Fot. Wiktor StrumnikDroneTech w ToruniuWyścigi dronów, wojskowe pojazdy bezzałogowe i strefa wirtualnej rzeczywistości. Takie atrakcje czekają na uczestników II Światowego Spotkania DroneTech w Arenie Toruń. Impreza potrwa do piątku. Darmowe wejściówki można odebrać w rejestracji zaraz przy wejściu. Najlepszych dziesięć start-upów z prezydenckimi paszportamiDziesięciu przedstawicieli polskich start-upów otrzymało w środę z rąk prezydenta Andrzeja Dudy specjalny paszport, uprawniający do jednej zagranicznej wizyty w składzie delegacji głowy państwa. Laureaci dwóch poprzednich edycji towarzyszyli prezydentowi podczas jego wizyt w Szwecji, Szwajcarii i Izraelu. Wiceminister rozwoju Jadwiga Emilewicz przypomni ...
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