Масштаб катострофы копирастии на Руси [наши нравы] [их нравы]

В отличие от тебя я этот ман читал.

незаметно что понял :)

я не знаю, сколько тебе лет

слабоватый из тебя аналитик. :)

в день я читал 2-3 книги объемом 150-250 страниц. теперь читаю медленнее, специально себя убедил :)

И эти библиотеки сильно пересекаются.

и это ничуть не ограничивает число доступных «редких» книг.

будем считать?

доступно 100 библиотек по 1000 книг, во всех них присутствует по 100 одинаковых (или ты будешь иметь наглость утверждать что больше?) в результате 90000 редких книг доступны отдельно взятому читателю. пусть 500 книг совпадает, тогда имеем 50000 книг с уникальными названиями. пусть совпадает 800 книг, тогда 20000 редких книг доступны каждому в среде лично знакомых. пусть только 100 книг из 1000 уникальны, тогда 10000 книг.

причем у всех свой круг знакомых и разный набор этих тысяч редких книг.

ну что, математик? :)

скажу заранее --- если думаешь, что результат сильно изменится, если мы построим монтекарло по числу книг, объему их тиражей и размеру личных библиотек то ты ошибаешься.

более затратным (но и пожалуй превосходящим гуглоакадемию по функционалу) допилить либы ML алгоритмов применяемые в citeseer до момента распознования русской библиографии (это потихоньку делаю :) )

Можно поподробнее с этого места?

движек представляющий из себя реинкарнация citeseer полностью открыт. его перевели на стек обработки документов от апачевского фонда программного обеспечения.

паук качает. проиндексированные документы раздаются и ищутся. ссылки посчитываются.

весь он является уникод прозрачным. часть которая отвечает за автоматическую каталогизацию (перловая библиотека, котрая обертка поверх CRF++) увы имеет обученный алгоритм только для анлийского языка. весть разбор вручную естественно не реально.

в основе как сказано лежит CRF алгоритм, на вход которого подается найденная библиографическая запись в режиме по словам + их граммам + куча эврестических фич срабатывающих по словарям.

вот эту часть потихоньку делаем. корпус записей с ручной разметкой + словари + генерация фич для эксперимента. когда получится тегер будем встраивать модель в библиотеку + дорабатывать эвристики в парсере текста (их немного там) до понимания организации кирилического текста.

если взлетит, можно будет попытаться его захостить и натравить бегать по .ru

насчёт девятисотого раза возражений нет.

нет конечно. А ты мог-бы и один раз внятно сказать.

Кстати о книгах. Отправляю человеку книгу по почте. Как скрыть свой реальный адрес?

найди бомжа с паспортом? :)

Противно же. Может позволяется отправлять посылки по временной прописке в качестве документа?

раньше народ активно использовал свои адреса как почтовые ящики при почтовом отделении. но это на получение, помогает ли при отправке не знаю.

Господи, что же ты за книгу там отправляешь? Уж не Толстого ли?

Я не совсем понял как паук ищет что качать? Он нацеливается вручную или ... тут я даже не знаю что подумать.

паук рекурсивно обегает страницы и выдирает _все_ документы. всё что имеет библиографию в индексатор идет.

ну как любой интернет поисковик работает.

Красть книги

На них же специальные метки наносят, из магазина сложно вынести незаметно.

Ну я так примерно и подумал после «или». А как он определяет наличие библиографии? Т.е. примерно ясно, но насколько точно? А где-нибудь можно посмотреть как это работает?

1) там эвристики текст анализируют

2) так сам citeseer и посмотреть http://en.wikipedia.org/wiki/CiteSeer