Лингвистический алгоритм

По первой ссылке не понятно, почему ваш алгоритм решил что термин "собаки" релевантен данной статье.

все просто - в ней идет речь про экзамены и этот набор признаков как раз про них...

для каждой статьи определяется несколько таких смысловых наборов, возможно сделать тонкую настройку - например указав большой вес ЕГЭ, тогда результаты будут более релевантный этому термину.

Наверно, потому что там ниже под заголовком "Тему продолжат" идет анонс статьи:

28.05.2011 в 14:18

Немцам придется сдавать экзамен на собачьи права
Правительство Нижней Саксонии после длительных дебатов приняло закон, согласно которому владельцы собак, не имеющие достаточного опыта содержания четвероногого питомца, будут обязаны сдать на "собачьи права", чтобы доказать свою компетентность собак...

Ну то есть алгоритм надо сначала улучшить, чтобы таких ляпов не было, а потом уже думать о коммерческом применении.

Я так понял это похоже на Яндекс.Директ когда он определяет какую рекламу вешать на конкретную страницу... Или что-то вроде агрегации новостей (когда одинаковые новости из разных источников кластеризуются)

Ну а судя по комментам выше технология еще сыровата...

Да и не совсем понятно в чем Ваши преимущества? За сколько, например, она находит похожие новости в базе из 200 000 документов?

Или просто нужна идея как монетизировать год работы программистов? :)

Похоже, идет тупо работа с наиболее частыми словами, список которых еще расширяется за счет синонимов и базы каких-то смысловых взаимоотношений... Да, пожалуй, аналогия с яндекс-директом очевидна. Лишь бы это не был ранний Директ - который на странице детских компьютерных игр для девочек вывешивал рекламу "девочки по вызову" :)