От нечего делать

А я пошел по другому пути :)

Прогняю сейчас несколько сот мб текста через свою тулзу, которая разбирает предложение (граф зависимостей, тип и формы слов). И на выходе планирую получить массив "типичных" графов предложений (сущ. прилаг. глагол, например). Ну, а заменять слово А в предложении на слово Б с сохранением всех связей (например, из "Машина ехала по дороге" в "Автомобиль ехал по дороге") я уже умею :)

ну я вроде почти тоже самое делаю. есть куча предложений одного автора.

в итоге после прогона получаю такие шаблоны:

С ЕД,ИМ,ИМЯ,МР,ОД-----ЧАСТ -----Г ДСТ,ЕД,МР,НП,ПРШ,СВ-----ПРЕДЛ -----С ВН,МН,НО,СР

МС 2Л,ЕД,ИМ-----КР_ПРИЛ ЕД,КАЧ,МР,НО,ОД-----ИНФИНИТИВ ДСТ,НП,СВ-----ПРЕДЛ -----С ДТ,ЖР,МН,НО-----С ИМ,МН,МР,ОД

МС 1Л,ЕД,ИМ-----Н -----Г 1Л,БУД,ДСТ,ЕД,НП,СВ-----ПРЕДЛ -----МС 2Л,ЕД,ТВ

ПРЕДЛ -----С ЕД,МР,НО,ТВ-----Г ДСТ,ЕД,МР,НП,НС,ПРШ-----МС 1Л,ЕД,ИМ-----ПРЕДЛ -----С МН,МР,НО,РД

МС 2Л,ИМ,МН-----ЧАСТ -----Г ДСТ,МН,ПЕ,ПРШ,СВ-----ПРЕДЛ -----С ВН,ЕД,МР,ОД

С ЕД,ИМ,ИМЯ,МР,ОД-----Г ДСТ,ЕД,МР,ПЕ,ПРШ,СВ-----С ДТ,ЕД,ИМЯ,МР,ОД-----ИНФИНИТИВ ДСТ,НП,НС-----ПРЕДЛ -----С ДТ,ЕД,МР,НО

но в итоге при генерации получается не совсем то.

Я ОБУЛСЯ ПОЗАДИ ПОЧЕЧНУЮ КАБАЛУ . ФАЛЬШИВУЮ ПРОСЕКУ ОБУЯЕШЬ ПОПЕРЕК НЯНЕ . СЗАДИ ОРБИТАМ ПУТЕШЕСТВЕННИКА ИСЧЕРПАЛАСЬ ПРОХОДИМОСТЬ . Я Ж ЖМУ ОПЕРИРОВАТЬ РЕВИЗОРОМ . ПЕРЕВАЛИЛСЯ ОСТОРОЖНО ФЛОР ВОПРЕКИ МНЕ . РАДЖ ЗДОРОВО ТКНУЛСЯ СВЕРХУ НАУЩЕНЬЯ . ТЫ ЗАКУЛИСЕН ПРОСТИРАТЬСЯ ВОЗЛЕ УТВАРЯМ БИЗОНЫ . Я ГАДКО НАРОЖУСЬ ПОД ТОБОЮ . ВРОДЕ ГОНГОМ ЦЫКАЛ Я РАДИ СТАФИЛОКОККОВ . ВЫ РАЗВЕ ГЕРМЕТИЗИРОВАЛИ ПЛЮС ПРОФЕССИОНАЛА .

морфология вроде угадывается, но не везде и не в тему.

а у тебя вроде похоже на морфологический синонимайзер.

Палю тему - если не поленится и собрать словарь н-грамм (встречаемость двух слов рядом), то... ;)

Типа того. ;)

Нефиг чужие доры передирать (Хотя сам грешу, да).

Одинаковые доры яндекс ой как не любит. То что было в топе сегодня не вылезет вообще на следующей неделе, проверено неоднократно.

да я вот тоже думаю взять словарик хотябы на 5000 слов и посмотреть словосочетания на lib.ru

например "мягкий стол"

http://www.google.ru/search?hl=ru&source=hp&q=site%3Alib.ru+%22%D0%BC%D1%8F%D0%B3%D0%BA%D0%B8%D0%B9+%D1%81%D1%82%D0%BE%D0%BB%22&btnG=%D0%9F%D0%BE%D0%B8%D1%81%D0%BA+%D0%B2+Google&lr=

не катит

а какой стол катит

http://www.google.ru/search?hl=ru&newwindow=1&q=site%3Alib.ru+%22*+%D1%81%D1%82%D0%BE%D0%BB%22&btnG=%D0%9F%D0%BE%D0%B8%D1%81%D0%BA&lr=

может обеднный?

http://www.google.ru/search?hl=ru&newwindow=1&q=site%3Alib.ru+%22%D0%BE%D0%B1%D0%B5%D0%B4%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9+%D1%81%D1%82%D0%BE%D0%BB%22&btnG=%D0%9F%D0%BE%D0%B8%D1%81%D0%BA&lr=

ну типа того :)

Зачем?

Сами прогоните (с переводом слов в нормальную форму) - будет база. Быстро, причем....

ну здесь как посмотреть. в топе иногда вылазят странички с тупо "последние запросы с поисковиков"

по идее такая страница является дором, но никто ресурс не банит. (ресурс естественно не свежезареганный).

такая же ситуация и с блогами\форумами. если двадцать комментаторов упомянут в своем послании титл страницы и заголовок в <h1>, то это будет дором?

много вопросв, ответ наверное как всегда, где-то посередине.

накачались и хватит

потёрто...

там нет 3х к, всего то 1200 или что то окло этого, если что то интересует пишем в личку