Аннотация

Библиотека для разработчика информационно-поисковых систем RCO Text Categorization Engine позволяет решать следующие задачи:

• На основании лексических профилей эффективно определять принадлежность текста к заданному множеству категорий;
• Для каждого термина из лексических профилей, обнаруженного в тексте, получить количество его вхождений в текст, а также позиции терминов в тексте.

К отличительным возможностям библиотеки следует отнести:

• Возможности по очистке web-страниц:
  • Автоматическая коррекция кодовой страницы русского языка;
  • Удаление навигационных элементов сайта, загромождающих страницу.
• Гибкие настройки идентификации терминов в тексте:
  • В точности, как написано в профиле;
  • С учетом всех словоформ при помощи морфоанализатора русского языка;
  • Явно задав все требуемые к отождествлению словоформы.
• Задание терминов в виде поисковых выражений с использованием следующих операторов:
  • Слова, словосочетания;
  • Задание расстояния между словами;
  • Логические операторы – «И», «ИЛИ», «И НЕ».
• Специальная обработка отдельных терминов:
  • Термин обязательно должен встретиться для отнесения текста к категории;
  • Термин не должен встретиться для отнесения текста к категории.

Примеры использования

Основными областями применения библиотеки являются:

• Тематическая категоризация текстов в электронных библиотеках, информационно-поисковых и информационно-аналитических системах;
• Тематический таргетинг в баннерных сетях;
• Мониторинг ключевых слов и словосочетаний в системах мониторинга и сбора информации.

Требования

Кодовая страница, используемая при работе библиотеки, – Win1251.

Характеристики

В библиотеке реализована векторная модель категоризации, которая включает в себя четыре настраиваемых компонента:

• Весовые коэффициенты терминов профиля (значения задаются пользователем);
• Весовые коэффициенты терминов документа (способ вычисления задается пользователем: бинарные, частотные);
• Нормирующий множитель (способ вычисления задается пользователем: евклидова норма, длина текста);
• Пороговое значение (задается пользователем).

При необходимости вне библиотеки разработчиком могут быть реализованы и другие методы категоризации текстов.

Морфоанализатор, включенный в библиотеку, имеет следующие характеристики:

• Реализованы следующие методы анализа:
  • Точный анализ известных слов по словарю объемом более 115 тысяч слов, что покрывает более 3-х миллионов словоформ;
  • Высокодостоверный анализ неизвестного слова на основе комплекса правил словообразования и словоизменения;
  • Вероятностный анализ посредством соотнесения с моделями словоизменения часто встречающихся слов на основе оценки флективной и суффиксальной частей слова.
• Объем бинарного словаря – 3 Мб;
• Скорость морфологического анализа – более 100 тысяч слов в секунду (процессор AMD Athlon, 1000 МГц).

Стоимость ПО

ПО поставляется в виде динамической библиотеки (dll) для Windows.

Данное ПО лицензируется по количеству экземпляров, доступных для запуска.

Стоимость лицензии на 1 (один) экземпляр составляет 100 000 рублей, НДС не облагается*.

Стоимость 1 года технической поддержки составляет 20% от стоимости закупленных лицензий.

Фактический адрес размещения инфраструктуры разработки данного ПО, а также его разработчиков и службы технической поддержки:

Офис ООО “ЭР СИ О”: 119270, г. Москва, Лужнецкая наб., д. 6, стр.1 , офис 214.

+7 (495) 287 9887, info@rco.ru

*В соответствии с пп.26 п.2 ст.149 НК РФ. ПО включено в Единый реестр российских программ для электронных вычислительных машин и баз данных (Реестр отечественного ПО) за № 10312 по Приказу Минцифры России от 21.04.2021 № 396 Приложение № 1.

Документация

Описание функциональных характеристик ПО представлено в руководстве пользователя:

Информация, необходимая для установки и эксплуатации ПО, описание процессов, обеспечивающих поддержание жизненного цикла ПО, в том числе устранение неисправностей, выявленных в ходе эксплуатации, совершенствование ПО, а также информация о персонале, необходимом для поддержки, приведена в руководстве администратора: