Hlavní navigace

Google pracuje lépe s češtinou, zavedl stemming.

Redakce

Při svém rešeršování Googlem jsem nedávno objevil, že Google zavedl v práci s českým jazykem tzv. stemming. Jedná se o zohledňování gramatických tvarů podstatných jmen, přídavných jmen i sloves, které je nyní funkční ve vyhledávání českých výsledků na Googlu. Lukáš Morávek z českého zastoupení Googlu, kterého jsem v této věci oslovil, mi sdělil: Naše implementace gramatiky je, na rozdíl od tradičních morfologických řešení ve vyhledávání, specifická. Je řešena tak, aby uživatel dostal co…

Při svém rešeršování Googlem jsem nedávno objevil, že Google zavedl v práci s českým jazykem tzv. stemming. Jedná se o zohledňování gramatických tvarů podstatných jmen, přídavných jmen i sloves, které je nyní funkční ve vyhledávání českých výsledků na Googlu.

Lukáš Morávek z českého zastoupení Googlu, kterého jsem v této věci oslovil, mi sdělil: Naše implementace gramatiky je, na rozdíl od tradičních morfologických řešení ve vyhledávání, specifická. Je řešena tak, aby uživatel dostal co nejlepší výsledky vyhledávání. Znamená to, že na jedné straně pracujeme nejen s gramatickými formami jednotlivých slov, ale zahrnujeme i relevantní transformace typu podstatně jméno-přídavné jméno, sloveso-podstatné jméno.

Např. na dotaz doplněk k svatbě ve výsledku najdeme i svatební doplňky. Dochází tedy k transformaci podstatného jména „svatba“ na přídavné jméno „svatební“.

Nesnažíme se hledat varianty, které by mohly zhoršit výsledky vyhledávání. Například mnohé tvary sloves mohou přinášet nerelevantní výsledky. Pokud tedy Google nehledá některý tvar slov, dělá to záměrně, což vede k ještě lepším výsledkům vyhledávání v českém jazyce, vysvětlil Lukáš Morávek z českého zastoupení Google. Technologie byla nasazena do rutinního provozu nedávno, po období testování, které Google u většiny svých služeb vždy během vývoje provádí na blíže nespecifikované skupině uživatelů.

Pokud hledáte tip na další příklady, zkuste např. dotazy semestr umělá inteligence nebo v rámci hrátek s Googlem zkuste položit dotaz dětské hraní.

Našli jste v článku chybu?

11. 5. 2007 15:45

Bohužel, na [pankrácká cela] se také objeví celá a čela. Ale věřte, že už tenhle problém také řeší. Pokud teď chcete opravdu jen tele, zkuste +tele, ale zase tím o veškeré "výhody" stemmingu přidete.

BTW, nemyslel jste při pokládání dotazu na jatečně upravené tělo telete? ;-)

11. 5. 2007 15:30

(neregistrovaný)
No, když už Google zavedl stemming, ještě by se mohl naučit rozlišovat slova podle háčků a čárek nad písmeny. Tuhle jsem hledal "tele" (mládě krávy) a tvrdošíjně mi to cpalo "tělo"...
DigiZone.cz: Zdeněk Gerlický: nový ředitel nangu.tv

Zdeněk Gerlický: nový ředitel nangu.tv

Podnikatel.cz: Zařízení pro EET zbytečně, vrátí vám peníze

Zařízení pro EET zbytečně, vrátí vám peníze

Podnikatel.cz: Snížení DPH na 15 % se netýká všech

Snížení DPH na 15 % se netýká všech

Root.cz: Firefox hodí za rok přes palubu stará rozšíření

Firefox hodí za rok přes palubu stará rozšíření

DigiZone.cz: Sat novinky: Je tu Sky Sport News HD

Sat novinky: Je tu Sky Sport News HD

Podnikatel.cz: Chaos u EET pokračuje. Jsou tu další návrhy

Chaos u EET pokračuje. Jsou tu další návrhy

120na80.cz: 5 nejčastějších mýtů o kondomech

5 nejčastějších mýtů o kondomech

Root.cz: Telegram spustil anonymní blog Telegraph

Telegram spustil anonymní blog Telegraph

Vitalia.cz: Mondelez stahuje rizikovou čokoládu Milka

Mondelez stahuje rizikovou čokoládu Milka

Podnikatel.cz: Daňové úlevy s EET nestačí. Budou zdražovat

Daňové úlevy s EET nestačí. Budou zdražovat

Vitalia.cz: Nejlepší obranou při nachlazení je útok

Nejlepší obranou při nachlazení je útok

Měšec.cz: Air Bank zruší TOP3 garanci a zdražuje kurzy

Air Bank zruší TOP3 garanci a zdražuje kurzy

Root.cz: Nová třída SD karet A1 s vysokým výkonem

Nová třída SD karet A1 s vysokým výkonem

120na80.cz: Rovnátka, která nejsou vidět

Rovnátka, která nejsou vidět

Root.cz: Kamery Sony se dají ovládnout na dálku

Kamery Sony se dají ovládnout na dálku

120na80.cz: Pánové, pečujte o svoje přirození a prostatu

Pánové, pečujte o svoje přirození a prostatu

Podnikatel.cz: Udávání kvůli EET začalo

Udávání kvůli EET začalo

Měšec.cz: U levneELEKTRO.cz už reklamaci nevyřídíte

U levneELEKTRO.cz už reklamaci nevyřídíte

Podnikatel.cz: Chtějte údaje k dani z nemovitostí do mailu

Chtějte údaje k dani z nemovitostí do mailu

Vitalia.cz: Analýza letáků: Na co lákají do prodejen?

Analýza letáků: Na co lákají do prodejen?