Оцените качество текста

shi, к генерации текста они очень даже могут быть при чем. Как и графы, бинарные деревья и базы данных, а также прочая лабуда. Это вопрос реализации. Я просто обратил внимание Solo_by на то, что он в том посте смешал понятие используемой математической модели и метода генерации текста. А Вы флудите.

Ворд забраковал все тексты.

ворд много на что мотюкается.

и на тексты написанные вручную он тоже мотюкается.

и на тексты, взятые из индекса яши он тоже мотюкается.

да и вообще, кто сказал, что если я делаю сайт, пишу к нему статьи сам, то я должен в идеале знать правила языка? и что, если я не там поставлю запятые, то такой сайт не надо брать в индекс? бред

Как же тогда робот вычисляет сгенерированный текст?

Cадовский, залогинтесь.

думаю над этим вопросом многие ломают головы. наверняка знать никто не может.

чего ж тогда он банит доры с морфологически правильным текстом?

скажете за слив трафа? а если траф не сливается?

нашел кое-что: http://rcdl2009.krc.karelia.ru/doc/full_text/306_308_Section09-3.pdf Нужен дорген,который это всё учитывает.

Kalessin добавил 06.12.2009 в 14:54

тут еще интересно http://yavbloge.ru/dorvei

Яндекс банит не за морфологию, точнее, не только за морфологию. Там учитывается множество разных факторов, причем, некотороя часть этих негатифных факторов может быть компенсирована другой частью позитивных факторов. Короче говоря, не все так просто. Но генерировать тексты, которые в состоянии прожить в индексе несколько больше (чем Марковка), сравнительно просто.

Это правильно ;)

sokol_jack добавил 07.12.2009 в 17:23

Что для вас "морфологически правильный текст"? Текст, где род\число\падеж\... слов согласованны?

Это же еще не человеческий текст :)

Статистика. Вот что хорошо и плохо. У Яндекса есть небольшой такой :p индекс на хз сколько документов. И уж например (упрощенно) посчтитать н-граммы встречаемости "пар" слов определенных для него всего лишь вопрос компьютерных ресурсов. И найти артефакты, где в одном тексте есть много "пар" слов, которые не встречаются в 99% остальных текстов (а их не один миллион!) - не настолько неразрешимая задача.

Может и так) С этим у меня уж точно никаких проблем нет. Про маркова где-то на РОМИП за этот год был научный труд о том как их распознать, оочень полезная информация. Многое становится ясно.

Я сейчас смотрю в сторону нейронных сетей ;)

А насчет ресурсов Яндекса, в этом вся и соль. В первые апы он проверяет текст по малозатратным для ресурсов критериям, а уже на 4-5 проверяет и стиль текста, и таматику, и бог знает что ещё. Вообщем факторы, которые присутствуют в копирайте, но которые непросто отследить, и которых мало или вовсе нет в генереном контенте. Поэтому, лучше текст - живучей дор.