Поисковые движки

Илья, не могли бы Вы пояснить (напомнить ?), что означают Ваши записи

на примерах:

"15 потерянных групп " -- "области !~ областью-область-областей

песни !~ песнях-*-песня-*-песен"

"15 добавленных групп " -- "завод =~ заводям-заводь-заводные-заводная

"

Спасибо.

С удовольствием.

Это значит, что алгоритм, (скажем stemka в глубоком варианте отсечения), считает что формы "завод" и "заводь" являются морфологическим вариантами (формами одного слова/основы или что-то в этом роде), а "области" и "областью" - нет.

При этом, если судить по в(полу)ручную размеченному и проверенному глазами корпусу, "завод" и "заводь" не являются парой морфологических вариантов, тогда как "области" и "областью", напротив, являются.

"Добавленные" и "потерянные" пары и есть промежуточный (хотя и не безынтересный) результат, который затем "прозванивался" на качество при помощи Гугля.

Извините за вторжение

Не могли бы Вы прокомментировать Lucene

http://jakarta.apache.org/lucene/docs/index.html

с точки зрения качества поиска

Как вариант решения проблемы поиска для малых сайтов...

Судя по топику (особенно вначале) большинство современных поисковых систем используют коды он Keva (он сам об этом говорит). Действительно ли это оптимальный код? Разумеется, вопрос не к разработчику. Тем не менее, я вовсе не против такого положения. Возможно, Андрею нужна помощь? Почему бы не объединить все усилия в один проект. Ведь ясно, что лет через несколько из всех поисковых технологий будет выбрано всего несколько. Авторов назовут отцами компьютерной морфологии (это уже, практически, негласно сделано). А зачем эта конкуренция? Вопрос, конечно больше философский:-)

Тем не менее, хочу задать вопрос прямо Keva. Какие у вас планы? Чем в данный момент занимаетесь? Нужна ли помощь, и какая?

С уважением, Павел.

Во-первых, хочу сказать большое спасибо за комплимент :)

Давайте разберемся, о какой морфологии идет речь.

Если речь идет о словарном морфологическом анализаторе, то я над ним практически сейчас не работаю. Так, иногда внесу какие-то слова, но редко. И потюниваю его периодически в плане производительности. Однако это - коммерческий продукт, который продается и является моей собственностью. В силу сказанного, я вовсе не нуждаюсь в чьем-либо участии в этом проекте, так как у меня нет желания ни с кем делиться деньгами от его продажи :) Цинично, но это так :) И если выбирать между лаврами отца-основателя и наличными, я выбираю однозначно второе :)

Если же речь идет об открытых проектах, распространяемых бесплатно, как, например, stemka - тут я готов принять любую посильную помощь, слить этот проект с любым другим, до тех пор, пока результат будет распространяться бесплатно.

З увагою :), Keva.