Поиск в сетевой среде может стать более эффективным за счет технологий глубинного анализа текстов (Text Mining), нахождения в текстах аномалий и трендов.
Разработанные на основе статистического и лингвистического анализа, а
также методов искусственного интеллекта, технологии Text Mining предназначены для проведения смыслового
анализа. Задача Text Mining - выбирать из
текстов наиболее ключевую и значимую информацию для пользователей [75,
32]. Важная компонента
технологий Text Mining связана с извлечением из
текста характерных элементов или признаков, которые могут использоваться в
качестве ключевых слов, метаданных, аннотаций. Еще одна задача Text Mining – отнесение документов к некоторым категориям
из заданной схемы их систематизации. Кроме того, Text Mining - это новый вид поиска, который в отличие
традиционных подходов не только находит списки документов, формально
релевантных запросам, но и помогает в понимании смысла текстов. Таким
образом, пользователю будет незачем самому "просеивать" огромное
количество неструктурированной информации. Text Mining - это алгоритмическое выявление прежде не
известных связей в уже
имеющихся данных. Применяя
Text Mining, пользователи могут получать новую
ценную информацию - знания.
Следует
заметить, что технологии глубинного анализа текста исторически
предшествовала технология добычи данных (Data Mining), методология и подходы которой широко
используются и в методах Text Mining. Для
глубинного анализа текстов вполне справедливо определение, данное для Data Mining Г. Пятецким-Шапиро из GTE Labs:
"Процесс обнаружения в сырых данных ранее неизвестных нетривиальных
практически полезных и доступных интерпретации знаний, необходимых для
принятия решений в различных сферах человеческой деятельности" [122].
Оформившись
в середине 90-х годов ХХ века как направление анализа неструктурированных
текстов, технологии Text Mining сразу же взяла
на вооружение методы Data Mining, такие как
классификация или кластеризация. В Text Mining
появились и дополнительные возможности, такие как автоматическое
реферирование текстов и выявление феноменов - понятий и фактов.
Возможности современных систем Text Mining могут
применяться при управлении знаниями для выявления шаблонов в текстах, для
автоматического "проталкивания" или распределения информации по
интересующим пользователей профилям, создания обзоров.
Релятивисты и позитивисты утверждают, что "мысленный эксперимент" весьма полезный интрумент для проверки теорий (также возникающих в нашем уме) на непротиворечивость. В этом они обманывают людей, так как любая проверка может осуществляться только независимым от объекта проверки источником. Сам заявитель гипотезы не может быть проверкой своего же заявления, так как причина самого этого заявления есть отсутствие видимых для заявителя противоречий в заявлении.
Это мы видим на примере СТО и ОТО, превратившихся в своеобразный вид религии, управляющей наукой и общественным мнением. Никакое количество фактов, противоречащих им, не может преодолеть формулу Эйнштейна: "Если факт не соответствует теории - измените факт" (В другом варианте " - Факт не соответствует теории? - Тем хуже для факта").
Максимально, на что может претендовать "мысленный эксперимент" - это только на внутреннюю непротиворечивость гипотезы в рамках собственной, часто отнюдь не истинной логики заявителя. Соответсвие практике это не проверяет. Настоящая проверка может состояться только в действительном физическом эксперименте.
Эксперимент на то и эксперимент, что он есть не изощрение мысли, а проверка мысли. Непротиворечивая внутри себя мысль не может сама себя проверить. Это доказано Куртом Гёделем.
Понятие "мысленный эксперимент" придумано специально спекулянтами - релятивистами для шулерской подмены реальной проверки мысли на практике (эксперимента) своим "честным словом". Подробнее читайте в FAQ по эфирной физике.
|
![]() |