1 / 12

Detekcia toho istého obsahu pri rozdielnej linke

Detekcia toho istého obsahu pri rozdielnej linke. Milan Martinkovič. Problém a motivácia. Informačný rozmach = komplikovanejšie prehľadávanie, nižšia efektivita IR Detekcia duplicít možné zvýšenie efektivity IR algoritmov detekcia plagiarizmov. Podobné riešenia. Rôzne on-line detektory

aliza
Download Presentation

Detekcia toho istého obsahu pri rozdielnej linke

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Detekcia toho istého obsahu pri rozdielnej linke Milan Martinkovič

  2. Problém a motivácia • Informačný rozmach = komplikovanejšie prehľadávanie, nižšia efektivita IR • Detekcia duplicít • možné zvýšenie efektivity IR algoritmov • detekcia plagiarizmov

  3. Podobné riešenia • Rôzne on-line detektory • Chránia si svoj princíp fungovania • Riešenia zamerané na získanie podstatného obsahu • Boilerpipe • PHP kód zo stránky w-shadow

  4. Opis riešenia • Implementácia • V jazyku PHP • Webová aplikácia • Hlavné kroky algoritmu • Získanie HTML kódu stránok • Odstránenie zbytočného obsahu • Prevod HTML na plain text • Porovnanie plain textov

  5. Určenie hraničnej hodnoty duplicity Identické pracovné ponuky

  6. Určenie hraničnej hodnoty duplicity Rozdielne pracovné ponuky

  7. Určenie hraničnej hodnoty duplicity Úplne rozdielne stránky • Hraničná hodnota duplicity • 35 • Upozornenie na možné skreslenie kvôli title

  8. Vyhodnotenie • Porovnanie ľudského verdiktu (zhodné stránky) a verdiktu programu

  9. Vyhodnotenie • Nezhodné pracovné ponuky

  10. Záver • Na základe vyhodnotenia môžeme prehlásiť, že riešenie je funkčné • Možné rozšírenie • Eliminácia STOP slov, za účelom presnejšieho porovnávania

More Related