Веб коллекция KM.ru
РОМИП

 Новости 
 О проекте 
 Манифест 
 Приглашение к участию 
 Общие принципы 
 Участие в семинаре 
 График 
 Участники 
 Дорожки 
 Тестовые коллекции 
 Таблицы 
 Архив 
 Публикации 
 FAQ 
 Форум 

Switch to EnglishSwitch to English
 

Веб коллекция KM.ru

Описание

Коллекция КМ.ru является копией мультипортала www.km.ru (примерно 90% от общего объема www.km.ru на май 2007). В коллекции представлены документы с 57 сайтов.

Статистика по набору данных
  • Объем данных: 13.7 GB
  • Число документов: 3 010 455
  • Кодировка: cp1251
Особенности коллекции

  • Довольно большое число нечетких дублей документов. Например, когда документ представлен в виде самого себя, копии для печати и архивной копии.
  • В документах часто присутствует большое число информационных блоков, не относящихся к данному документу (заголовки других материалов в виде ссылок).
  • У многих сайтов хорошая ссылочная структура, которую можно использовать для повышения качества поиска. Однако, на некоторых сайтах документы перелинкованы лучше, чем на других, и это может вызвать необоснованное повышение веса их документов по сравнению с документами других сайтов.

Права на использование

Права на использование в целях РОМИП предоставлены компанией "KM онлайн", являющейся владельцем коллекции. Для получения доступа к коллекции необходимо подписать соглашение об использовании данных.

Формат

Коллекция распространяется в виде xml файлов, определенного формата .

Список дорожек, в которых использовалась коллекция
  • поиск по коллекции Веб документов
  • поиск по смешанной коллекции