Může vyhledávací systém umět česky? Excalibur Retrieval Ware

	Může vyhledávací systém umět česky? Excalibur Retrieval Ware.
	Pavel Kocourek, Incad s.r.o., Praha
	Nová architektura verze 6.7 systému Excalibur Retrieval Ware umožňuje výrazné rozšíření možností zpracování přirozeného jazyka.
	Společnost Incad ve spolupráci s brněnskou firmou Lingea vyvinula českou sémantickou síť.

Společnost Incad spolu s partnery vložila významné úsilí do “lokalizace” systému Excalibur Retrieval WareÔ , znalostního vyhledávacího systému americké společnosti Excalibur Technologies. Výsledkem dnes není jen české uživatelské prostředí, ale především sémantická síť pro češtinu, která je na Inforu_2000 v první verzi představována.

Excalibur RETRIEVAL WAREÔ

textově orientovaný znalostní vyhledávací systém. Podporuje více než 250 formátů včetně pdf, html, XML, MS Office a umožňuje indexovat také data v relačních databázích.

Základní technologie:

APRPÔ – Adaptive Pattern Recognition Processing – technologie založená na booleovských neuronových sítí umožňující vyhledávání na základě vizuální podobnosti na binární úrovni. Technologie je nezávislá na jazyce a typu dat.

Technologie sémantické sítě – lingvistická podpora pro zpracování přirozeného jazyka a vyhledávání na základě obsahových s ouvislostí.

Systém disponujesadou Boolovských a statistických nástrojů

Od verze 6.7, uvolněné na konci roku 1999, se u produktu Retrieval Ware změnila strategie jazykové podpory vyhledávání. Současný systém využívá tzv. LPI architektury - jazykových plug-inů.

Právě tento technologický posun umožnil další krok k dokonalejšímu vyhledávání pro mnohé jazyky.

Sémantická síť pro češtinu

Plug-in zahrnuje tyto základní prvky:

Lematizer / morfologie, programový nástroj umožňující derivaci kořenů slov na základě lingvistické analýzy.

Stop slova – seznam slov se zanedbatelným významem, která nejsou systémem indexována.

Slovník idiomů – seznam slovních spojení (frází), které systém zpracovává jako celky při indexaci i při vyhledávání.

Semantický lexikon – význam ově nejdůležitější prvek obsahuje jeden nebo více vertikálně uspořádaných slovníků. Základem lexikonu je zpravidla synonymický slovník.

Slovník nepravidelných tvarů

Slovník zkratek a jejich výkladů

Konfigurační soubory

Jednotlivé lexikální soubory jsou přístupné uživateli (správci systému) pro jejich modifikaci a doplňování. Nástroj pro jazykovou podporu vyhledávání tak může být upravován podle potřeb instituce, která ho využívá a neustále tak adaptovat novou terminologii.

Kam bude směřovat další vývoj v oblasti lingvistické podpory vyhledávání produktu Retrieval Ware na našem trhu?

Slovenská verze jej již také připravena a bude po testování zveřejněna během letošního léta.

Připravujeme ve spolupráci s partnery grafický nástroj na údržbu sémantické sítě .

Vícejazyčné vyhledávání. Prostřednictvím překladových slovníků bude uživatelský dotaz přeložen do zvolených jazyků pro další zpracování.

Může tedy vyhledávací systém umět česky?

http://www.incad.cz

http://excalib.com

Standardní rozhraní systému (angličtina) s jazykovým plug-inem pro češtinu