@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 = {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}

}

@article{116_fd15ddc8-0ae3-4679-9d11-8af3e1c8fec0,

title = {Основные шаги генетического алгоритма фильтрации результатов тематического поиска документов},

author = {Иванов В.К.},

url = {https://disk.yandex.ru/i/gr5TGukMtXsKAg 

https://disk.yandex.ru/i/9p9Y3AD-w68G3g},

year  = {2013},

date = {2013-12-30},

urldate = {2025-01-25},

journal = {Инновации в науке},

number = {25},

pages = {8-15},

publisher = {Новосибирск: СибАК},

abstract = {<p>В статье представлены основные особенности предложенного автором подхода к организации поисковых запросов и фильтрации результатов поиска документов, основанного на использовании идей генетических алгоритмов. Описываются основные шаги модифицированного генетического алгоритма, предлагаются решения, учитывающие специфику поисковых процедур. Обсуждаемый подход является частью исследований проекта интеллектуальной системы информационной поддержки инноваций в науке и образовании.</p><p>The article represents the main features of the proposed approach to organization of search queries and filtering of documents search results. This approach based on the genetic algorithms and describes the main steps of the modified genetic algorithm, proposed solutions, tailored to the search procedures. The considered algorithm is one of the elements of an intelligent system of information support of innovation in science and education.</p><p> </p>},

note = {Иванов В.К. Основные шаги генетического алгоритма фильтрации результатов тематического поиска документов // Инновации в науке. - Новосибирск, 2013. - № 25. - С. 8-15.},

keywords = {crossover, data centre, document, filtering, fitness, fSimilarity, genetic algorithm, mutation, population, query, ranking, relevancy, selection, text, генетический алгоритм, документ, запрос, мутация, поиск, популяция, приспособленность, ранжирование, релевантность, селекция, скрещивание, текст, фильтрация},

pubstate = {published},

tppubtype = {article}

}