Пока мы все теребили свои пальцы, 17-летний канадский мальчик, очевидно, нашел алгоритм поиска информации, который:
a) выполняет с удвоенной точностью текущей и широко используемой модели векторного пространства
b) «довольно точно» идентифицирует похожие слова.
в) делает микропоиск более точным
Вот хорошее интервью .
К сожалению, я еще не нашел опубликованной статьи, но из уроков, которые я помню по графическим моделям и классам машинного обучения, которые я взял несколько лет назад, я думаю, что мы сможем восстановить его по его абстрактному представлению, и что он говорит об этом в интервью.
Из интервью:
Некоторые поиски находят слова, которые встречаются в похожих контекстах. Это
довольно хорошо, но это следует за отношениями к первому
степень. Мой алгоритм пытается следовать соединениям дальше. связи
близкие считаются более ценными. В теории это следует
связи в бесконечной степени.
И реферат помещает его в контекст:
Введен новый алгоритм поиска информации под названием «Аподора»,
использование предельных степеней марковских цепочечных матриц для определения
модели для документов и сделать контекстные статистические выводы
о семантике слов. Система внедрена и сравнена
к модели векторного пространства. Особенно, когда запрос короткий,
Новый алгоритм дает результаты примерно с двойной точностью
и имеет интересные приложения для микроисследований.
Я чувствую, что кто-то, кто знает о матричных цепях или поиске информации, сразу сможет понять, что он делает.
Итак: что он делает?