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

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 ... E-sport w Chinach wart 3 mld dol.Chiński rynek e-sportu jest szacowany na 3 mld dol. i wciąż jego wartość rośnie. Od września kraj będzie gościł MŚ w grze "League of Legends", finał odbędzie w listopadzie na stadionie olimpijskim w Pekinie. Od września do listopada br. Chiny będą gościć mistrzostwa świata w jednej z najpopularniejszych gier komputerowych świata "League of Legends". To tzw ... CBOS: Polacy częściej używają smartfonów, niż klasycznych telefonów komórkowych92 proc. Polaków korzysta z telefonów komórkowych - wynika z najnowszego badania CBOS. Powodzeniem bardziej cieszą się smartfony - ponad 57 proc., niż klasyczne telefony komórkowe - 43 proc. Telefonu głównie używamy do prowadzenia rozmów, a także wysyłania smsów i robienia zdjęć. CBOS wskazał, że smartfona używa ponad połowa (57 proc.), a ponad dwie piąte ... Google ostrzega przed dynamicznym rozwojem ransomwarePonad 19 milionów funtów (91 milionów złotych) zarobili w ciągu ostatnich dwóch lat hakerzy odpowiedzialni za szkodliwe oprogramowanie domagające się okupu za odzyskanie zainfekowanych plików (ransomware) - wynika z raportu opublikowanego przez Google. Amerykański gigant technologiczny ostrzegł jednocześnie, że tego typu ataki stały się "bardzo, bardzo opł ... Pierwsza firma w USA będzie wszczepiać mikroczipy swoim pracownikomFirma Three Square Market, handlująca maszynami do sprzedaży przekąsek i napojów, jako pierwsza w USA zamierza wszczepiać mikroczipy swoim pracownikom. Jak przekonuje, maleńkie urządzenia wszczepione pod skórę dłoni ułatwią noszącym je ludziom codzienne życie. Rozmiarem przypominający ziarnko ryża i kosztujący ok. 300 dolarów mikroczip RFID (system identyf ... Polscy specjaliści laureatami "okulistycznych Oscarów"Łódzcy okuliści tworzą jedne z najlepszych filmów dydaktyczno-naukowych na świecie. Prof. Jerzy Nawrocki, dr hab. Zofia Michalewska i ich zespół ma już na koncie 8 tzw. okulistycznych Oscarów. W sierpniu polscy specjaliści mają szansę na kolejną statuetkę. Statuetki wykonywane są w tej samej fabryce, co słynne filmowe Oscary i pokryte są 24-karatowym złote ... Amazon przekazał książki i e-booki sosnowieckiej szkole100 książek, 500 e-booków i 10 czytników Kindle - przenośnych urządzeń do czytania książek elektronicznych - trafiło do Zespołu Szkół Elektronicznych i Informatycznych w Sosnowcu w ramach 3. edycji Kindloteki Amazon - programu wspierania czytelnictwa. Przedsięwzięcie opiera się na współpracy z bibliotekami, w pobliżu których swoje siedziby ma Amazon - amer ... Przebój See You Again rekordzistą na YouTube [wideo]Słynny koreański przebój „Gangnam Style” artysty o pseudonimie Psy nie jest już numerem jeden w rankingu oglądalności na portalu YouTube. Zdetronizowała go piosenka „See You Again” amerykańskiego wokalisty Wiz Khalifa. „Gangam Style” - żartobliwa piosenka o bogactwie Koreańczyków w Seulu została wydana 5 lat temu. Była megahitem, jednych zachwycała, innych ... W wieku 51 lat zmarł pionier rosyjskiego internetu Anton NosikW wieku 51 lat zmarł w Moskwie znany bloger, działacz i dziennikarz Anton Nosik - poinformowali w niedzielę jego bliscy. Bywał nazywany jednym z ojców rosyjskiego internetu: założył tak popularne w Rosji serwisy, jak Gazeta.ru, Lenta.ru czy Newsru.com. Nosik był zarówno dziennikarzem, jak i przedsiębiorcą, który odpowiednio wcześnie zdał sobie sprawę z rol ... Gowin o reformach: postaram się, by nie upadła żadna uczelnia publicznaPo wejściu w życie nowej ustawy o uczelniach szkolnictwo wyższe będzie dużo bardziej zróżnicowane – ocenił w rozmowie z PAP minister nauki i szkolnictwa wyższego Jarosław Gowin. Zadeklarował, że postara się, by nie upadła żadna uczelnia publiczna. Według niego dużo emocji wywoła proces wyłaniania uczelni badawczych. PAP: W Ministerstwie Nauki i Szkolnictwa ...
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