Тематика документа

заходите в директ.яндекс (если нет логина нужно зарегистрироваться), потом дать объявление, сначала вылезет страница с общей информацией, введите там что-нибудь и кликните дальше:

там есть поле Ключевые слова - введите слово

и там есть поле Рубрики каталога - нажмите выбрать, яндекс сам поставит галочку в теме подходящий на его взгляд вашему запросу

ну вот сами разобрались :)

Не, я и так это делал, но вот про галочки не знал... :)

Скорее, по логике должна быть некая функция от частоты встречаемости слова в документе и его веса по общей коллекции документов. И тоже самое для пар, троек и т.д. слов. Те, что пройдут некий "кворум" и будут индикаторами тематики.

Неужели мир готов поверить в то, что Яндекс умеет определять тематику документа???

(курсив мой)

И какие именно слова назначим "некоторыми"? ;) Самые частые? 😎 Или по которым жаждем продвинуться? ;)

Кость, я вполне готов. Это простая машинная задача. Никто ж про ИИ и про то, что систему можно нае#$ть и не спорит. А примерно попытаться угадать с долей вероятности и внести эту угадайку в качестве коэффициента ранжирования - вай нот.

А на самом деле все не так уж и сложно и все упирается в вычислительные ресурсы. Обычная задача самокластеризации, хорошо решается в нейросетевом логическом базисе.

"Люблю я юристов. Я бы просто на х#й послал, а они тоже самое, но на пяти страницах." (c) :)

те, например, по которым может определяется уникальность текста (алгоритм шинглов и пр.).

Ну я, как бы это помягче выразиться, защитил дисер по искуственным нейронным сетям. Правда не в datamining (поиску знаний), а в нейроуправлении. :)