Коллекция КМ.ru является копией мультипортала (примерно 90% от
общего объема 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.
