[Moscow.pm] Поиск одинаковых текстов по смыслу

[Анатолий Шарифулин]

Не понял, если не нужны, тогда просто по словам.
Я так и начал делать :)

Ещё хочется это сделать средствами sphinx, но пока в поиске решения.

2012/9/11 Михаил Монашёв <postmaster на softsearch.ru>

> Здравствуйте.
>
> > Самый примитивный аглоритм такой.
> > Качаешь  где-нить новостей побольше, разбиваешь всё на слова, удаляешь
> > у  них окончания, делаешь из соседних слов шинглы, генеришь таблицу из
> > двух столбцов (шингл_id,новость_id), удаляешь из неё те, которые имеют
> > популярные  шинглы  (границу  популярности  определяй  сам),  далее по
> > новости  можешь  искать другие новости, у которых такие же шинглы. Чем
> > больше шинглов совпало, тем более похожая новость.
>
> Вдогонку...
>
> Шинглы  здесь  не  нужны.  Если  их  использовать,  то  будут вылезать
> дубликаты  текстов  вместо  схожих  по  смыслу.  Вместо  шинглов  надо
> использовать  просто  слова  без  окончаний. А уже в следующих версиях
> алгоритма  вместо слов выдавать признаки текста: имена собственные, их
> же с действиями(глаголами), шинглы от цитируемых текстов и т.п.
>
> --
> С уважением,
>  Михаил                          mailto:postmaster на softsearch.ru
>
> --
> Moscow.pm mailing list
> moscow-pm на pm.org | http://moscow.pm.org
>



-- 
С уважением,
 Анатолий Шарифулин.
----------- следущая часть -----------
Вложение в формате HTML было извлечено…
URL: <http://mail.pm.org/pipermail/moscow-pm/attachments/20120912/79d6e536/attachment.html>