@article{nokey,

title = {Современные методы автоматизированного извлечения ключевых слов из текста},

author = {Иванов В.К. and Виноградова Н.В.},

editor = {ключевое слово, метод, выделение, текст, семантика, гибридный, лингвистика, словосочетание, спектральный, статистический, поиск, релевантность, keyword, method, selection, text, semantics, hybrid, linguistics, word-combination, spectral, statistical, search, relevance, data centre},

url = {https://disk.yandex.ru/i/Zi2TSkY7hI89uA},

issn = {0204-3653},

year  = {2016},

date = {2016-12-31},

urldate = {2016-12-31},

journal = {Информационные ресурсы России},

number = {4},

pages = {13-18},

publisher = {Москва},

abstract = {Cтатья посвящена актуальной на сегодняшний день проблеме – методам автоматизированного извлечения ключевых слов из текста. В статье представлен аналитический обзор материалов по этой тематике. Особенностью обзора является широкое использование для анализа работ российских авторов, изданных за последнее время, что должно показать текущий уровень отечественных исследований и помочь определить потенциальные точки их дальнейшего развития. В статье классифицированы основные методы автоматизированного извлечения ключевых слов, выделены их особенности, определены применимость, описаны достоинства и недостатки. Дается систематизированный обзор исследований и разработок, основанных на лингвистических, статистических, спектральных и гибридных методах. Статья может быть полезна разработчикам информационно-поисковых систем, специалистам в области оптимизации поисковых процедур, исследователям технологий информационного поиска, патентоведам, работникам библиотечной сферы.



Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text

The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials.  The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.},

keywords = {data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст},

pubstate = {published},

tppubtype = {article}

}

@article{nokey,

title = {Обоснование и постановка задачи прогнозирования результатов генетического алгоритма},

author = {Иванов В.К.},

url = {https://disk.yandex.ru/i/I6iQWk2vOm4p8A

https://cyberleninka.ru/article/n/obosnovanie-i-postanovka-zadachi-prognozirovaniya-rezultatov-geneticheskogo-algoritma/viewer},

year  = {2016},

date = {2016-12-31},

urldate = {2016-12-31},

volume = {8},

number = {57},

pages = {5-13},

publisher = {СибАК},

abstract = {В статье обосновывается и формулируется постановка задачи прогнозирования результатов генетического алгоритма, разработанного для выполнения документного тематического поиска. Утверждается необходимость и полезность проверки выполнения теоремы схем Холланда для указанного алгоритма. Отмечены условия корректной проверки, в частности требования к кодированию генотипа запросов и сглаживанию фитнес-функции. Предложен метод кодирования генотипа, который использует расстояние между векторами, представ-ляющими запросы.

 

Vladimir Ivanov

Rationale Of The Problem With Prediction Of Genetic Algorithm Results

This article presents and explains the problem with prediction of the genetic algorithm results developed to perform a subject document search. The article alleges the necessity and usefulness of the verification Holland's scheme theorem for a specified algorithm. The correct test conditions and requirements including the query genotype representation and smoothing of the fitness function are described. The genotype representation method that uses the distance between vectors is offered.},

keywords = {crossover, data centre, defining length, fitness function, genetic algorithm, genotype, Holland’s schema theorem, order, query, representation, scheme, subject search, генетический алгоритм, генотип, кодирование, кроссинговер, определяющая длина, поисковый запрос, порядок, схема, тематический поиск, теорема Холланда, фитнес-функция},

pubstate = {published},

tppubtype = {article}

}

@article{134_9808a672-6f1b-45cb-a604-4e571f348b8d,

title = {Обоснование и постановка задачи прогнозирования результатов генетического алгоритма},

author = {Иванов В.К. and Иванов},

url = {https://disk.yandex.ru/i/vAD-Om2u1EpS6A},

year  = {2016},

date = {2016-12-29},

urldate = {2025-01-29},

journal = {Инновации в науке},

volume = {57},

number = {8},

pages = {5-13},

publisher = {СибАК},

abstract = {<p>В статье обосновывается и формулируется постановка задачи прогнозирования результатов генетического алгоритма, разработанного для выполнения документного тематического поиска. Утверждается необходимость и полезность проверки выполнения теоремы схем Холланда для указанного алгоритма. Отмечены условия корректной проверки, в частности требования к кодированию генотипа запросов и сглаживанию фитнес-функции. Предложен метод кодирования генотипа, который использует расстояние между векторами, представляющими запросы.</p><p> </p>},

note = {Иванов В.К. Обоснование и постановка задачи прогнозирования результатов генетического алгоритма // Инновации в науке. – 2016. - № 8 (57). – C. 5-13.},

keywords = {data centre, fSimilarity, innovation, генетический алгоритм, генотип, кодирование, кроссинговер, поисковый запрос, схема, тематический поиск, теорема Холланда, фитнес-функция},

pubstate = {published},

tppubtype = {article}

}

@article{101_b0a4bd11-a8c6-4980-875a-9f7caf882815,

title = {Efficiency of Genetic Algorithm For Subject Search Queries},

author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N.},

url = {https://disk.yandex.ru/i/DWS1H4M7CMLXxQ},

doi = {10.1134/S1995080216030124},

issn = {1995-0802},

year  = {2016},

date = {2016-09-29},

urldate = {2025-01-21},

journal = {Lobachevskii Journal of Mathematics},

volume = {37},

number = {3},

pages = {244–254},

publisher = {Pleiades Publishing, Ltd.},

abstract = {<p>The article presents and generalizes the results on some performance indicators of genetic algorithm developed by authors and applied to effective search queries and selection of relevant results after document subject search. It is shown that the developed technology expands opportunities of semantic search and increases the number of the found relevant results. In particular, we made an effort to show the ability of the developed algorithm to achieve the neighborhood of the fitness function in a finite number of steps, to provide higher precision of search in comparison with the well-known search engines of the Internet as well as to provide the acceptable semantic relevance of the found documents.</p>},

note = {Ivanov V.K., Palyukh B.V., Sotnikov A.N. Efficiency of Genetic Algorithm For Subject Search Queries. Lobachevskii Journal of Mathematics, 2016, Vol. 37, No. 3, pp. 244–254. Pleiades Publishing, Ltd., 2016.},

keywords = {convergence, data centre, fitness function, genetic algorithm, innovation index, population, ranking, relevance, search precision, search query},

pubstate = {published},

tppubtype = {article}

}

@article{nokey,

title = {Метод адаптивной кластеризации текстовых документов},

author = {Иванов В.К. and Мальков А.А.},

editor = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},

url = {https://disk.yandex.ru/i/kDjDIT0aue7RWA

https://swsys-web.ru/en/method-of-adaptive-clustering-text-documents.html},

doi = {10.15827/2311-6749.15.158},

year  = {2015},

date = {2015-06-30},

urldate = {2015-06-30},

journal = {Программные продукты, системы и алгоритмы},

number = {2},

abstract = {В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.},

keywords = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},

pubstate = {published},

tppubtype = {article}

}