Многоуровневая модель текстового сообщения, учитывающая его стилистические особенности
Читать статью полностью
Многоуровневая модель текстового сообщения, учитывающая его стилистические особенности(693,94 KB)Аннотация
В статье рассматриваются вопросы информационного поиска. Описаны недостатки использования ключевых слов. Представлена многоуровневая модель текстового сообщения, учитывающая его стилистические особенности.
Ключевые слова:
информационный поиск – information retrieval; стиль – style; стилистические особенности – style features; модель – model; ключевые слова – keywords.
Список литературы
1. Ландэ, Д.В. Интернетика: Навигация в сложных системах: модели и алгоритмы. / Д.В. Ландэ, А.А. Снарский, И.В. Безсуднов – М.: Книжный дом «ЛИБРОКОМ», 2009. – 264 с.
2. Petrenz, P. Cross-Lingual Genre Classification / P. Petrenz // Proceedings of the Student Research Workshop at the 13th Conference of the European Chapter of the Association for Computational Linguistics – 2012. – Р. 11–21.
3. Литература и язык. Современная иллюстрированная энциклопедия. / под ред. А.П. Горкина – М.: Росмэн, 2006. – 584 с.
4. Жеребило, Т.В. Риторика: Словарь-справочник. / Т.В.Жеребило – На- зрань: Пилигрим, 2011. – 56 с.
5. Дмитриев, Д.В. Толковый словарь Русского Языка / Д.В. Дмитриев – М.: Астрель: АСТ, 2003. – 1578 с.
6. Браславский, П.И. Методы повышения эффективности поиска научной информации (на материалу Internet): дис. … канд. техн. наук:
05.13.16 // Павел Исаакович Браславский. Уральский государственный технический университет – Екантеринбург, 2000. – 154 с.
7. Karlgren, J. Stylistic Experiments for Information Retrieval: A Dissertation submitted for the Degree of Doctor of Philosophy in Computational Linguistics // Jussi Karlgren – Stockholm, Sweden, 2000. – 147 p.
8. Браславский, П.И. Стиль как дополнительный параметр поиска ин- формации в Internet / П.И. Браславский. // Русская компьютерная и
квантитативная лингвистика. – 2000. – С. 396.
9. Бабенко, Л.Г. Лингвистический анализ художественного текста / Л.Г.Бабенко, Ю.В. Казарин – М.: Флинта: Наука, 2005. – 496 с.
10. Поддубный, В.В. Сравнительный анализ эффективности алгоритмов распознавания авторства текстов по частотам переходов / В.В. Поддубный, О.Г.Шевелев, А.А. Фатыхов // Вестн. Том. гос. ун-та. – 2006. – № 290. – С. 232–234.
11. Local Word Bag Model for Text Categorization / Wen Pu [ и др.] // Data Mining, ICDM 2007, Seventh IEEE International Conference. – 2007. – Р. 625–630.