memkompreneble

"Ekde kiam homoj la unuan fojon forlasis siajn kavernojn kaj renkontis aliulojn kun aliaj vidpunktoj kaj aliaj lingvoj ekzistas revo: mortigi ilin, por ke ni ne devu lerni ilian lingvon nek kompreni ilian vidpunkton." – citaĵo el la filmo "The Beast With a Billion Backs" de la usona tv-serio Futuramo – tiu ŝerco evidente celas al esperanto, ĉar en la sama filmo oni ankaŭ proponas senseksajn pronomojn "shklim" kaj "shkler" por la angla

raporto pri nuna amplekso de la kolekto 2010-01-03

Filed under: raportoj — memkompreneble @ 00:12
Tags:

Ĝis nun ne ekzistas tute fidinda metodo por evalui la lingvon de donitaj segmentoj, krome atentindas pri usonaj patentoj koncerne efikan lingvorekonadon. Pro tio la sekva statistiko ankoraŭ estas tre kruda.

Tabelo_Url .............. : 290804
Tabelo_UrlEnhavoj ....... : 110575
Tabelo_RipozejDokumento . : 107607
Tabelo_UrlFiltritaj ..... : 58642
Tabelo_Segment .......... : 265109
Tabelo_UrlSegmentoj ..... : 499040

Ne ĉiuj adresoj taŭgas por elŝutado, pro tio enestas multe pli da enskriboj en la tabelo de ĉiuj konataj url-adresoj ol en la tabelo de elŝutitaj enhavoj.

La diferencon inter la grandecoj de la tabeloj kun enhavoj kaj ripozejodokumentoj kaŭzas la fakto, ke post sengvidita elŝutado de kelkaj dokumentoj evidentiĝis ke tia tipo ne dezirindas kaj konsekvence estis ekskludita el la ripozejo, tamen la jam suĉita enhavo restas en la db. La tabelo de filtritaj enhavoj ne montras liniojn, kie la filtrita enhavo havas longecon de nulo aŭ mem estas nulo. Krome, la filtrado okazas aparte de la elsuĉado de la enhavoj, do ĉiam estos malpli da filtritaj ol tutaj enhavoj.

La diferenco inter la grandecoj de la tabeloj de unikaj segmentoj kaj de indeksitaj url-segmentoj montras la kvanton de ripetiĝoj.

Segmentado daŭre estas problemo, ĉar la metodo uzita por segmenti la filtritajn enhavojn por krei la supran statistikon kelkfoje malfunkcias kaj redonas ege tro longajn segmentojn. Tamen, la kvoto de ripetado ŝajnas realisma, ke ĉiu enhavo troviĝos averaĝe almenaŭ dufoje ie en la reto.

Advertisements
 

Respondi

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Ŝanĝi )

Twitter picture

You are commenting using your Twitter account. Log Out / Ŝanĝi )

Facebook photo

You are commenting using your Facebook account. Log Out / Ŝanĝi )

Google+ photo

You are commenting using your Google+ account. Log Out / Ŝanĝi )

Connecting to %s