Аналитические материалы по поисковым
системам
В данном разделе размещены материалы аналитических исследований в области технологий поиска и лингвистического анализа текстовой информации. Мы регулярно публикуем наиболее интересные исследования в данной области. Вы можете использовать их в своей работе. При использовании нашей информации ссылка на сайт http://asknet.ru/
обязательна.
Более детально технологии поиска и лингвистического анализа используемые в поисковых системах
AskNet изложены в разделе Технологии.
Cool Vendors in Analytics and Business Intelligence, 2012.pdf
First Retail – ориентирован только на узкоспециализированную нишу продаж. Решение для узкоспециализированной ниши рынка довольно тяжело сделать универсальным. В отличие от них в AskNet Search проектирование базируется более универсальной системы по принципу сверху – вниз, а не наоборот.
Neutrino Concepts – предполагает разработку технологии лингвистического анализа текста и создание «конструктора запросов» для доступа к структурированным данным. В AskNet Search есть конструктор не только запросов пользователя, но и конструктор правил лингвистической обработки текстов. То есть инструментарий для пользователя и для разработчика. При этом AskNet Search инструментарий обеспечивает не только структуризацию запросов пользователей, но также и автоматическую структуризацию текста (извлечение объектов и связей). Задача создания лингвистического инструментария автоматической структуризации текста является «прорывной» (инновационной), а создание «конструктора запросов» - рутинная работа, довольно стандартная.
Cool Vendors in Content Analytics, 2012.pdf
ai-one – предполагает разработку решений AI для выявления скрытых закономерностей. Как отмечено в отчете, проблема состоит в обработке экспоненциально растущего объема данных. В AskNet Search для этого имеются соответствующие решения, базирующиеся на использовании технологий обработки Big Data в поисковых системах. Технологии, аналогичные реализованным в Numenta, основаны на статистических нейросетевых алгоритмах и могут быть использованы для выявления зависимостей, анализа изображений и т.п., то есть там, где нет глубокого лингвистического анализа текста. Однако без лингвистического анализа текста невозможно реализовать качественные AI сервисы и продукты. D AskNet Search разработаны алгоритмы машинного самообучения, имеются соответствующие патенты. Также разработаны демонстрационные программы синтеза ответов с использованием баз знаний, онтологий, а также программы автоматического формирования семантических иерархий из анализируемых системой толковых словарей.
How to Deliver Self-Service Business Intelligence.pdf
Указанные системы (EasyAsk и т.п.) работают только со структурированными данными, используют, в основном, OLAP. Обработка неструктурированных данных в данных системах – это только преобразование запросов пользователей в структурированные SQL запросы. Реализация процессов извлечения информации из текстов, автоматической структуризации данных, автоматизации процессов настройки компонентов OLAP (таблиц, параметров, логики обработки данных) является сложной задачей, которая не рассматривается в указанных проектах. В AskNet Search обеспечивается обработка текстов на естественном языке (NLP) не только запросов пользователей, но и обрабатываемых документов.
How to Get Value Out of the Search Capability.pdf
Рассматриваются вопросы повышения релевантности поиска на основе оценки результатов поиска пользователями. В AskNet Search более инновационные критерии оценки релевантности на основе автоматической проверки степени соответствия смыслового содержания предложений текста запросам пользователей. В AskNet Search уже сейчас реализовано подключение баз знаний для локальной версии поисковой системы.
Hype Cycle for Contact Center Infrastructure, 2011.pdf
CRM, контакт-центры, healthcare – это прикладные применения разрабатываемых технологий NLP и BI. Особенно актуальна разработка интеллектуальных Query-Answer систем. В проектах AskNet (Stocona) Search разработаны прикладные версии Query-Answer систем, доказавшие свою эффективность в тестах РОМИП.
|
