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

Chiny budują największą elektrownię fotowoltaiczną świataNajwiększa pływająca po wodzie elektrownia fotowoltaiczna świata, której konstrukcja trwa od lipca, została częściowo połączona z siecią elektroenergetyczną – ogłosiła w niedzielę firma z grupy Sanxia, prowadząca budowę. Elektrownia za miliard juanów (ponad 150 mln dolarów) powstaje w stosunkowo biednej prowincji Anhui na wschodzie kraju, na jeziorze utwor ... Laureaci odebrali w Sztokholmie nagrody Nobla w pięciu dziedzinachTegoroczni laureaci nagród Nobla w pięciu dziedzinach odebrali w niedzielę w Sztokholmie medale i dyplomy z rąk króla Szwecji Karola XVI Gustawa. Były fanfary, laudacje oraz aplauz dwutysięcznej publiczności. W przemówieniu skierowanym do laureatów i gości przewodniczący Fundacji Noblowskiej odniósł się do aktualnych wydarzeń politycznych. "Alfred Nobel ... Technologie z Politechniki Łódzkiej nagrodzone na wystawie w Hong KonguPięć technologii z Politechniki Łódzkiej zostało nagrodzonych medalami na zakończonej w Hong Kongu międzynarodowej wystawie International Invention Design Competition. Cztery rozwiązania otrzymały złote medale, jedno medal srebrny. Poinformowała o tym w niedzielę PAP rzeczniczka uczelni Ewa Chojnacka. Dodała, że dwa ze "złotych" wynalazków mogą mieć zastos ... Polscy twórcy gier prezentują się na największym rynku świataChiny są największym rynkiem gier wideo na świecie, a polscy producenci są na nim coraz bardziej rozpoznawalni. W sobotę i niedzielę polscy twórcy gier prezentowali swoje najnowsze produkcje i występowali z wykładami na jednej z pekińskich uczelni. Obecność polskiej branży gier wideo jest nowością i dodatkową atrakcją tegorocznej drugiej edycji festiwalu P ... Liderzy Innowacji Pomorza i KujawLiderów Innowacji Pomorza i Kujaw zaprezentowano dziś w Toruniu podczas finałowej gali Forum Ekspansji Internetu Rzeczy. W kategorii średnie przedsiębiorstwo tytuł otrzymała Planika. Firma została doceniona za pierwszy na świecie inteligentny biokominek. W kategorii mikro przedsiębiorstwo za stację ładowania smartfonów zasilaną energią słoneczną tytuł otrz ... O Internecie Rzeczy w ToruniuMa zastosowanie m.in. w służbie zdrowia, energetyce, turystyce czy obsłudze klienta. O Internecie Rzeczy rozmawiano dziś podczas toruńskiego Forum Ekspansji. Jak wyjaśnia Michał Korolko, prezes Toruńskiej Agencji Rozwoju Regionalnego Internet Rzeczy to komunikacja pomiędzy ludźmi, ludźmi i przedmiotami oraz pomiędzy samymi przedmiotami. W ramach Forum z ... Firmy z Doliny Krzemowej zagrożeniem dla wolności internetuFirmy z Doliny Krzemowej są zagrożeniem dla wolności i niezależności internetu - powiedział we wtorek wieczorem szef amerykańskiej Federalnej Komisji ds. Łączności (FCC) Ajit Pai, broniąc propozycji wycofania regulacji gwarantujących "neutralność sieci". Pai zarzucił firmom technologicznym blokowanie niewygodnych dla siebie informacji i decydowanie, jaką t ... Z kosmodromu Wostocznyj wystartowała rakieta Sojuz 2.1bRakieta Sojuz 2.1b wystartowała we wtorek z kosmodromu Wostocznyj - poinformowała rosyjska agencja kosmiczna Roskosmos. Rakieta wyniesie na orbitę okołoziemską m.in. 14 amerykańskich, szwedzkich, kanadyjskich, niemieckich i japońskich mikro i nanosatelitów. Jak przekazał Roskosmos, start nastąpił w zaplanowanym czasie - o godz. 8.41 czasu moskiewskiego (go ... Samouczące się systemy informatyczne pomocą dla radiologówSamouczące się systemy informatyczne, które na podstawie zgromadzonych danych i doświadczeń potrafią automatycznie analizować również nowe dane, mogą się okazać pomocne w pracy radiologów. Tego typu rozwiązanie powstaje właśnie w Gliwicach. Pilotaż planowany jest na przyszły rok. Chodzi o system do diagnostyki nowotworów i analizy zmian nowotworowych, opar ... Czy sztuczna inteligencja będzie zagrożeniem dla ludzi?Możliwe, że w przyszłości większość prac będę wykonywały za nas roboty. Już dzisiaj pracują zamiast ludzi w niektórych branżach. Tym samym może zniknąć przymus ekonomiczny i będziemy musieli nauczyć się żyć inaczej - uważa prof. Stanisław Łobejko ze Szkoły Głównej Handlowej. Czym charakteryzują się dzisiejsze innowacje? Prof. Stanisław Łobejko, Szkoła G ...
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