Kinaman — Викиреальность
Kinaman (настоящее имя — Павел Владимирович Гринёв) — обозреватель и критик игр на NES (Dendy), Sega и.т.д. Автор канала Kinamania на Youtube.
Павел Гринёв родился 31 марта 1988 года[1] в городе Ростов-на-Дону. На данный момент проживает там же.
Во время учёбы в школе самостоятельно научился играть на гитаре. Увлекался творчеством Виктора Цоя и группы «Кино».
Занимался поиском, восстановлением и озвучиванием мультфильмов и передач 1990-х годов. Был автором и редактором игрового оффлайн-журнала Game Bit, выходившего на портале emu-land.net. [2]
[править] Происхождение псевдонима «Kinaman»
Ник «Kinaman» появился, когда Павел Гринёв создавал собственный аккаунт на «Яндексе». Первоначально он хотел использовать название «Киноман», так как являлся поклонником рок-группы «Кино». Однако ник оказался занят, и Павлу пришлось заменить одну букву.[3]
[править] Деятельность в интернете
[править] Канал «Kinamania» на Youtube
Свой канал на YouTube Павел зарегистрировал 7 июня 2007 года. Канал посвящён старым видеоиграм, приставке Dendy и ностальгии о 1990-х годах. Большинство видео были сняты Павлом дома на кухне.
Первое видео было опубликовано 25 июня 2011 года. Это были вырезанная сцена и неудачные дубли из фильма «Проклятие серого слонёнка».
Сам фильм был опубликован 30 сентября 2011 года. Фильм является аналогом на канал «Angry Video Game Nerd».[4] В нём Кинаман рассказывает о 8-битной приставке «Dendy», в частности о её недостатках.[5] На данный момент фильм имеет более одного миллиона просмотров.
В честь этого в тот же день Кинаман открывает свою новую рубрику «Dendy Chronicles». В ней он критиковал игры на Dendy, которые были сделаны пиратами в 90-х годах. Всего вышло 9 выпусков. После 9 выпуска рубрика была закрыта. Вместо неё в 2012 году Кинаман открывает рубрику «Dendy Memories». В ней он рассказывал о своих любимых играх на Dendy.
В 2011 году Кинаман открыл рубрику «На Кухне». В ней он вместе со своим другом мальчиком Колей с волоками на нижней стороне подбородка со странной кличкой Култхард проходил игры на Dendy, Sega и тому подобное.
Также у Кинамана выходит рубрика «Kinamania Live», где он проводит стримы. Стрим-канал «Кинамании» Kinamania Live! Павел создал 22 ноября 2013 года.
С октября 2013 года Павлом Гринёвым и его студией «Kinamania Production» был запущен в производство многосерийный полнометражный фильм под названием «Один День Детства».[6]
[править] Сайт «Kinamania»
Павел Гринёв имеет свой сайт — kinamania.com
[править] Ресурсы в сети, посвящённые Kinamanу
- Червепедия — вики-энциклопедия «Черветреда» — людей, которых объединяет бан в группе «Кинамании» за обсуждение нежелательных тем. В этой энциклопедии в основном перемываются косточки, публикуется компромат и всякие непубличные данные.
Фото со встречи Кинамании в Москве
| ||||||||||||||||||||||||||||||
Павел Гринёв, 32 года, Ростов-на-Дону,
Родился 31 марта
7539 друзей
Сейчас проживает в городе Ростов-на-Дону
38 аудиозаписей
О себе: Я бесконечно благодарен всем тем, кому нравится то, что я делаю, и глубоко ценю слова поддержки, поздравлений и одобрения моих работ или творчества! Я не перестаю удивляться как много людей находят в них столько близкого для себя, о чём не перестают говорить мне уже на протяжении нескольких лет. Это поразительно! Также я приношу свои извинения тем, кто не дождался моего ответа на то или иное своё сообщение, даже если оно было или не было прочитано. Я всегда рад этим письмам, но не всегда имею время или желание ответить, чисто по человеческим причинам. Вас, друзья, стало очень много, и я невероятно рад этому, однако чтобы не закрывать ЛС и не допустить перенагрузки чужим вниманием, я нечасто иду на длительное общение. Надеюсь, вы меня понимаете. Так или иначе, я всегда здесь, и буду продолжать работать для вас. 🙂
Любит игры DENDY: Super Mario Bros. 3, Duck Tales 2, Battletoads, Chip ‘n Dale Rescue Rangers, Teenage Mutant Ninja Turtles 2, Darkwing Duck, Battletoads & Double Dragon, Contra, Jackal, Micro Machines, Ninja Cat, и ещё штук сто. А ТАКЖЕ: Silent Hill, Mafia, Resident Evil, GTA Vice City, Ghostbusters — The Video Game, Heavy Rain
Любимые фильмы «Терминатор», «Титаник», «Побег из Шоушенка», «Охотники за привидениями», «Робокоп», «Один дома», «Рокки», «Братья Блюз», «Неспящие в Сиэтле», «Назад в будущее» и др. Из наших: «Глаза», «Караван смерти», «Игла», «Проснуться в Шанхае», «30-го уничтожить», «Сёстры», «Экипаж», «Гений»
Любит музыку Виктор Цой и группа «Кино», Игорь Тальков, Scatman John, Thomas Newman, James Horner, Hanz Zimmer, Akira Yamaoka, Darkman007
Любимые телешоу «Новая реальность», «Ключи от Форта Боярд», «Звёздный час», «Что? Где? Когда?», «Поле Чудес», «Брэйн-Ринг», «Проще простого» производства 90-х годов
Любимые цитаты: «Смерть стоит того, чтобы жить. А любовь стоит того, чтобы ждать.» (В. Цой) «Люди в мире разделяются на две категории: одни сидят на трубах, а другим нужны деньги.» (Моро) «Бох в помощь… Ты шо по деревьям лазишь?» (Волк) «Люди поднимались с пола и подозрительно пялились друг на друга, вспоминая, за кем и за чем кто стоял. Но это было уже не важно, потому что и килька и портвейн уже кончились.» (В. Пелевин, «Принц Госплана») «Этот блюз не для того, чтобы почувствовать себя лучше. А для того, чтобы кто-то почувствовал себя хуже, и заработать на этом несколько баксов, когда нужно.» (Мёрфи ‘Кровавые Дёсны’)
Интересы: Кино, музыка, видеосъёмка, современная история, Dendy, коллекционирование, гитара, маджонг, интернет
Родной город Ростов-на-Дону
Александр Гринев: фото, биография, фильмография, новости
Фотограф, участник реалити-шоу «Замуж за Бузову» на канале ТНТ.
Александр Гринев. Биография
Александр Гринев родился в Москве 8 сентября 1988 года. У молодого человека за плечами два высших образования: Военный университет МО РФ и МИП. В вузах Александр получил специальность «иностранные языки (фарси, английский)» и «менеджмент организации».
Участвовал в миротворческой миссии ООН в Республике Чад. Во время службы побывал в Сирии, Иране, Бельгии, Канаде. Закончил военную карьеру в звании старшего лейтенанта. После окончания службы много путешествовал; на протяжении шести месяцев работал преподавателем английского языка в Каннах.
В раннем возрасте открыл в себе творческие таланты, которые дали ему возможность стабильно зарабатывать. В свободное от работы время увлекается видеосъемкой, 3D-моделированием, фотографией и психологией.
В настоящее время у Гринева своя команда высококлассных фотографов. Он сотрудничает с лейблом Black Star, принадлежащем Тимати: снимает ролики для их магазина одежды. Кроме того, Александр работает с такими популярными брендами как Bentley, Four Seasons и другими.
После первых выпусков реалити «Замуж за Бузову» выяснилось, что у Гринева есть закрытый Telegram-канал с очень откровенным контентом, в котором блогер учит своих подписчиков искусству пикапа, делится с ними тонкостями соблазнения женщин и хвастается своими успехами на любовном фронте, приводя фото- и видеодоказательства своих похождений.
В ответ на нападки Гринев рассказал, что с помощью блога «пытался разобраться и проанализировать, что происходит между мужчиной и женщиной». Молодой человек, по его словам, просто делился с подписчиками своим жизненным опытом. «После очень болезненного расставания с бывшей девушкой я погрузился в изучение психологии отношений, ухаживаний, знакомств. Я пытался разобраться и проанализировать, что происходит между мужчиной и женщиной. Почему они то любят друг друга, то ненавидят. В моей жизни был длительный период без серьёзных отношений, я знакомился с разными девушками, и, естественно, занимался с ними сексом по взаимной симпатии! Холостяцкая жизнь она такая. И да, я делился собственным опытом с другими. При этом помог тысячам парней и девушек разобраться в отношениях. Сейчас у меня другие приоритеты. Хочется стабильности и серьезных отношений», — рассказал Александр. Он также подчеркнул, что удалил канал и не собирается к нему возвращаться.
Александр Гринев в шоу Замуж за Бузову
Летом 2018 года стало известно о том, что Александр Гринев прошел кастинг и стал одним из участников реалити «Замуж за Бузову» на канале ТНТ, в котором молодые люди пытались завоевать сердце Ольги Бузовой. Съемки шоу «Замуж за Бузову» начались летом 2018-го и проходили в Риме, Тоскане, Вероне, Неаполе и так далее.
Главным качеством, которым обладает Ольга Бузова, Александр Гринев считает способность любить и быть любимой.
Александр Гринев стал первым участником, с которым познакомилась Ольга Бузова в рамках проекта «Замуж за Бузову». Правда, Александр, несмотря на то что внешне понравился Ольге, смутил звезду, когда сразу же захотел поцеловать ее. Впрочем, все изменилось после тет-тета с Ольгой. Бузова и Гринев станцевали медленный танец, и после этого Ольга призналась, что Александр очень красив, образован и очень ей приятен, к тому же ей, как и Саше, очень важен тактильный контакт с человеком. Александр Гринев стал первым, кому Ольга Бузова подарила свой поцелуй во время церемонии.
После выхода в эфир первого выпуска «Замуж за Бузову» многие зрители записали Александра в фавориты шоу. Дело в том, что Гринев и Бузова начали обмениваться кокетливыми сообщениями в Instagram. Однако в следующем выпуске программы фотограф не прилетел в Венецию и даже не сообщил причин своего отсутствия. «Мне жаль, что один молодой человек так и не доехал. Я не намерена его больше ждать. Александр сделал свой выбор», — сказала Ольга. Правда, к концу выпуска звезда передумала и послала Гриневу воздушный поцелуй, отметив, что все еще ждет.
Эстафета в Даунтауне! — Кто Кого? SPECIAL
✔Новые видео каждую неделю! Подписывайся — http://www.youtube.com/subscription_c…✔ Наш магазин футболок — http://rgeek.myprintbar.ru
Эстафета в Даунтауне! — Кто Кого? SPECIAL
✔Мой второй канал (Лайв) —
https://www.youtube.com/pixeldevillive
✔Мой стрим канал —
https://www.youtube.com/channel/UCiZC…
Мой паблик Вконтакте —
https://vk.com/pxldevil
Я Вконтакте —
https://vk.com/pixel_devil
Твиттер — Tweets by Pixel_Devil
Инстаграм —
http://instagram.com/pxldevil
Перископ —
https://www.periscope.tv/pixel_devil
✔ Реклама и сотрудничество — https://vk.com/topic-46775184_27913782 или письмом на [email protected]
- kunio kun switch, kunio kun collection, kunio kun snes, kunio kun ps4, kunio kun world classics collection english, kunio kun switch english, kunio kun soccer, kunio kun sprites, kunio kun 3ds, kunio kun hockey, kunio kun steam, kunio kun sports, kunio kun basketball, kunio kun the world classic collection, kunio kun dodgeball, kunio kun nes, kunio kun world classics english, kunio kun manga, kunio kun super famicom, kunio kun nekketsu kakutou densetsu, nekketsu oyako, nekketsu kakutou densetsu, nekketsu kouha kunio-kun, nekketsu kōha kunio-kun, nekketsu saikyō go-saurer, nekketsu lyrics, nekketsu tairiku burning heroes, nekketsu oyako ps1, nekketsu kakutō densetsu, nekketsu seisyun nikki 2, nekketsu meaning, nekketsu kouha kunio-kun special, nekketsu band, nekketsu anime, nekketsu rise of the northstar, nekketsu street basket, nekketsu kakutou densetsu english, nekketsu kōkō dodgeball bu, nekketsu oyako saturn, nekketsu rise of the northstar lyrics, downtown disney, downtown la, downtown summerlin, downtown restaurants, downtown chicago, downtown orlando, downtown dallas, downtown denver, downtown ymca, downtown houston, downtown atlanta, downtown nashville, downtown san diego, downtown phoenix, downtown las vegas, downtown library, downtown disney parking, downtown detroit, downtown nashville hotels, downtown miami, жаркое, джаред лето, жжар вк, жжар стримы, жж артем драгунов, жар птица, красная жара, эльдар жжарахов, евгений жжар, кинамания, кинамания лайв, кинамания ютуб, кинаман вк, кинамания сайт, кинамания болезнь, кинаман умирает, кинаман не может ходить, кинаман ходит, кинаман умер, кинаман инвалид, кинаман лурк, кинаман что с ним, кинамания вк, кинаман червь, кинаман блогер, кинаман двач, кинаман болезнь, кинаман павел гринев, кинаман девушка, kinemania, kinemania no 309, kinemania tv reviews, kinemania inadina ask, kinemania website, kinemania not working, kinemania tv not working, kinemania kiralik ask, kinemania dolunay episode 7, kinemania dolunay, kinemania kalp atisi, kinemania ask laftan anlamaz, kinemania bizim hikaye, kinemania tv yasak elma, kinemania tv app download, kinamania live, kinamania shoes, kinemania kiraz mevsimi, kinemania hayat sarkisi, kinemania facebook, павел гринёв, павел гринев инвалид, павел гринев червепедия, павел гринев вк, павел гриневицкий отзывы, павел гриневич, павел гриневич инновация, павел гриневицкий, павел гринев мой мир, павел гринев денди, павел гринев ходит, павел гринев мой мир аккорды, павел гринев ютуб, павел гринёв умер, павел гринёв чем болен, павел гринёв википедия, павел гринёв капитанская дочка, киномания павел гринев, чем болеет павел гринев, кто, кто ты, кто против, кто хочет стать миллионером, кто я, кто продал аляску, кто такие масоны, кто открыл америку, кто в доме хозяин, кто подставил кролика роджера, кто такой кум, кто виноват, кто сказал мяу, кто написал библию, кто изобрел радио, кто такие волхвы, кто вы мистер брукс, кто такой бог, кто такие янычары, кто такой дядя витя, кого ты хотел удивить, кого чего падеж, кого нибудь, кого meaning, кого хочу я больше, кого год 2019, кого можно считать алкоголиком, кого сожгли на костре, кого ждет меган маркл, кого люблю того наказываю, кого то как пишется, кого выбрала бузова, кого родила регина тодоренко, кого чего, кого что, кого убил раскольников, кого должен любить черт, кого родила светлана сафиева, кого рік 2019, кого назначает президент, соревнование на английском, соревнование синоним, соревнование (2018) смотреть онлайн, соревнование фильм, соревнование за приз, соревнование синонимы, соревнование с форой, соревнование смотреть онлайн, соревнование фильм 2018, соревнование 2018, соревнование по лещам, соревнование проверочное слово, соревнование iron man, соревнование по плаванию, соревнование по перемещению, соревнование лесорубов, соревнование синоним к слову, соревнование трейлер, соревнование по английски, соревнование 1-6 lords mobile, кооператив, кооператив озеро, кооптация, кооператор, кооперация, кооперативные игры, кооператив черный, кооперативна банка, кооперироваться, кооперативный, кооперация синоним, кооперативы, коопвнешторг, кооперативная квартира, кооперативный дом, кооперативы в ссср, кооперация панда, кооперативные настольные игры, кооп рожен, кооператив узник, versus versace, versus boston, versus definition, versus versace watch, versus abbreviation, versus synonym, versus meaning, versus games, versus vs, versus gaming center, versus bro, versus atl, versus clothing, versus salon, versus systems, versus evil, versus in spanish, versus zombies, versus wheels, versus movie, co-opt, co-op definition, co-op city, co-op credit union, co-op near me, co-op financial services, co-optation, co-op games, co-op meaning, co-op atm, co-op apartment, co-op internship, co-op vs condo, co-optimus, co-op atm near me, co-op housing, co-op ps4 games, co-op store, co-op program, cooperation, игра престолов, игра на понижение, игра престолов 2 сезон, игра на выживание, игра престолов 8 сезон, игра в имитацию, игра в бисер, игра престолов 3 сезон, игра престолов 5 сезон, игра престолов 1 сезон, игра престолов 6 сезон, играть conjugation, игра молли, игра престолов актеры, игра крокодил, игра престолов 7 сезон, игра в правду, играть, игра престолов 4 сезон, игра эндера, gamestop, game of thrones, games, game of thrones season 8, game of thrones cast, gamestop hours, game night, games online, gamestop black friday, game of the year 2018, game of games, gamestop trade in, gamefly, game theory, game of thrones map, games to play, gamespot, game of thrones characters, game of thrones season 7, games for kids, video games, video game stores, video game news, video game awards, video game chair, video game addiction, video game designer, video games 2018, video game stores near me, video games 2019, video game characters, video games etc, video game movies, video games lyrics, video game high school, video game release dates, video game deals, video game dunkey, video game ratings, video game truck, видеоигры 2016, видеоигры 2014, видеоигры 2015, видеоигры 2012, видеоигры для кошек, видеоигры нет, видеоигры 2013, видеоигры на пк, видеоигры снижают процесс старения, видеоигры 2011, видеоигры рф, видеоигры скачать, видеоигры видео, видеоигры детские, видеоигры для детей, видеоигры онлайн, видеоигры 2018, видеоигры онлайн бесплатно, видеоигры википедия, видеоигры купить, ретро фм, ретранслятор ладога сн-ретр, петр 2, ретро это, петр чех, ретранслятор сн-ретр, петр рыков, петр кислов, петр мамонов, петр романов, петр федоров, петр осипов, петр ян, ретр верзилов, петр гара, петр порошенко, ретр 1, петр третий, ретр первый, ретр тодоровский
Эстафета в Даунтауне! — Кто Кого? SPECIAL | |
| 111,764 views views | followers |
| 3,984 Likes | 3,984 Dislikes |
| Entertainment | Upload TimePublished on 2 Feb 2017 |
«Зеленоградская миля — 2012» (отбор на чемпионат Зеленограда). 2 тур
Дата: 2012-10-14
Редактор благодарит за тестирование вопросов и советы по их исправлению Алексея и Марию Трефиловых (Калуга), Константина Науменко (Киев), Баура Бектемирова (Астана — Чикаго) и Ульяну Фабричнину (Санкт-Петербург). Отдельно хотелось бы поблагодарить Антона Пинчука, Артема Викторова (оба — Саратов), Игоря Тюнькина (Москва) и Владислава Декалова (Волгоград), которые не только помогли улучшить имеющиеся вопросы, но и любезно предоставили свои.
Показать ответы
Вопрос 1:
В современном обществе с развитой экономикой проблема птицы из мистической может превратиться во вполне осязаемую экономическую. Многие люди пытаются сократить свою активность, что только в экономике США приводит к потере 800-900 миллионов долларов.
В розданном вам тексте мы пропустили несколько символов, в числе которых — две цифры. Напишите эти цифры.
Ответ: 1, 3.
Речь идет о проблеме пятницы 13 (в тексте вопроса пропущены «я», «н», «13») и о людях, подверженных параскевидекатриафобии — попросту говоря, боязнь пятницы 13.
Источник(и): http://ru.wikipedia.org/wiki/Пятница,_13
Автор: Владислав Декалов (Волгоград)
! Вопрос 2: Герой романа Александра Говорова помогает монахам отбить нападение
врага. В благодарность те сочиняют в его честь куплет:
Он сражается без правил,
Но в любом сраженье прав.
Раньше был он кроткий [первый пропуск],
А теперь он [второй пропуск].
В отрывке пропущены два имени библейских персонажей. Назовите их в
правильном порядке.
Вопрос 3: Павел Гринёв отмечает, что с самого начала компьютерной игры «Аладдин» на «Денди» становится ясно отношение разработчиков к игрокам: несмотря на возможности приставки, начальные экраны были выполнены в одном цвете. Каком?
Ответ: Фиолетовом.
Разработчики словно дают понять, что им было глубоко фиолетово на то, понравится игра геймерам или нет.
Источник(и): http://www.youtube.com/watch?v=hHNHCpXiPYc
Автор: Григорий Смыслов (Зеленоград)
!Вопрос 4: Во время суда над Бродским по делу о тунеядстве все свидетели обвинения первый раз увидели обвиняемого лишь в зале суда. Вместе с этим фактом Википедия упоминает другого известного человека. Назовите его.
Ответ: [Борис] Пастернак.
Все свидетели обвинения начинали свои показания словами: «Я с Бродским лично не знаком…», что перекликается с формулировкой времен травли Пастернака: «Пастернака не читал, но осуждаю!».
Источник(и): http://ru.wikipedia.org/wiki/Бродский,_Иосиф_Александрович
Автор: Григорий Смыслов (Зеленоград)
! Вопрос 5: Продолжим тему.
Владимир Ершов, рассказывая о «Заозерной школе поэзии», отметил, что
ее становление проходило в советское время в районе устья Дона, вдали от
признанных литературных центров — то есть, по сути, ТАМ. Ответьте пятью
словами, где именно.
Ответ: В глухой провинции у моря.
Действительно у моря, всё согласно Бродскому.
Источник(и): http://www.bards.ru/person.php?id=4378
Автор: Серафим Шибанов (Москва)
! Вопрос 6: Внимание, в вопросе есть замена.
Статья об Артеме Ивановиче в журнале авиакомпании «S7» называется
«Быстро туда и обратно». Какое слово мы заменили в этом вопросе?
Ответ: Мигом.
Статья об Артеме Ивановиче Микояне, авиаконструкторе. Аббревиатура «МиГ» обозначает «Микоян и Гуревич».
Источник(и): Журнал «S7», сентябрь 2012 г. — С. 124.
Автор: Роман Гуляев (Москва)
! Вопрос 7:
Почти век назад русский художник Табурин создал серию открыток, одну из которых вы видите. Кто эти двое, что изображены на этой открытке?
Ответ: Большевик и меньшевик.
Источник(и): http://babs71.livejournal.com/45754.html
Автор: Евгений Машеров (Москва)
!Вопрос 8: В фэнтезийном романе волшебная АЛЬФА, попав в руки к великану, становится толщиной с небольшое дерево. Одна из подставок для АЛЬФ выполнена в виде ежа. Какое слово с двумя корнями мы заменили на АЛЬФУ?
Ответ: Зубочистка.
Волшебная зубочистка, видимо, приспосабливается под размер нового владельца; подставка представляет собой фигурку ежа с зубочистками вместо игл.
Источник(и):
1. Крейг Шоу Гарднер. Гнусные Гномы.
2. http://www.kamnecvet.ru/product/ezh04-ezh-zubochistka-824/
Автор: Артем Викторов (Саратов)
!Вопрос 9: В передаче «Разрушители мифов» исследовалась легенда о том, что катастрофа «Гинденбурга» была связана с краской, состоящей из алюминия и оксида железа. При этом ведущими упоминался ОН. Из-за НИХ в Южной Америке редко можно найти книгу старше 50 лет. Назовите ИХ.
Ответ: Термит.
Из алюминия и оксида железа можно получить термитную смесь, дающую высокую температуру при горении. Якобы она ответственна за пламя, поглотившее «Гинденбург».
Источник(и):
1. «Разрушители мифов». Сезон 5, серия 70.
2. http://dic.academic.ru/dic.nsf/enc_biology/308/
Авторы: Игорь Тюнькин (Москва), Григорий Смыслов (Зеленоград)
!Вопрос 10: В одном мультфильме группа учеников хочет совершить переворот в системе образования, вернув в школьную программу теорию Дарвина. Во время одного из их собраний в кадр попадает лозунг на иностранном языке, состоящий из трех слов, который на одну букву короче реально существующего лозунга. Напишите получившийся лозунг.
Ответ: «Viva la evolución».
Зачёт: С незначительными ошибками в написании.
Школьники хотят совершить революцию и вернуть в школу эволюционную теорию.
Источник(и): Мультсериал «Симпсоны».
Авторы: Глеб Артамонов (Зеленоград), в редакции Григория Смыслова (Зеленоград)
!Вопрос 11: В книге Альфреда Брема при описании жестокой морской охоты упоминаются ИКСЫ. ИКС был открыт в центре Бухареста в качестве медицинской социальной рекламы. Назовите ИКС двумя словами.
Ответ: Кровавый фонтан.
Зачёт: Фонтан крови; красный фонтан.
Охотились на китов; кровавый фонтан в центре Бухареста должен был напомнить о людях, страдающих гемофилией, но если вы подумали о переливании крови, то это тоже нормально.
Источник(и):
1. http://www.urano.ru/ubijstva-delfinov-v-danii/
2. http://www.warnet.ws/news/37568/
Автор: Артем Викторов (Саратов)
!Вопрос 12: Одна видеоигра посвящена беззаботным прогулкам на природе, во время которых игроки смогут полюбоваться красивыми пейзажами, — вот такой у этой игры простой смысл. Одно из названий этой игры состоит из двух слов на суахили. Напишите их.
Ответ: «Hakuna Matata».
Зачёт: «Хакуна Матата»; «Акуна Матата».
Видеоигра «Afrika» посвящена прогулкам по Африке и фотографированию местной фауны — как мы знаем из мультика «Король Лев», смысл фразы «Хакуна Матата» действительно очень прост.
Источник(и):
1. «ЛКИ», N 8 (93). — С. 138.
2. http://ru.wikipedia.org/wiki/Акуна_матата
Автор: Артем Викторов (Саратов)
![XML]
Извлечение ключевых терминов из сообщений микроблогов с помощью Википедии | Коршунов
1. Martin Ebner. Microblogging — more than fun? — Proceedings of IADIS Mobile Learning Conference 2008, Inmaculada Arnedillo Sánchez and Pedro Isaías ed., Portugal, 2008, pp. 155-159.
2. Herman David, Janh Manfred, Ryan Marie-Laure. (éd.), The Routledge Encyclopedia of Narrative Theory. London, Routledge, 2005.
3. Böhringer, M. Really Social Syndication: A Conceptual View on Microblogging. — Sprouts: Working Papers on Information Systems, 9(31), 2009.
4. D.R. Karger, D. Quan (2005). What would it mean to blog on the semantic web? — Web Semantics: Science, Services and Agents on the World Wide Web, Selected Papers from the International Semantic Web Conference, Hiroshima, Japan, 07-11 November 2004, 3 (2-3), 2005, 147-157.
5. Gartner Highlights 27 Technologies in the 2008 Hype Cycle for Emerging Technologies. — http://www.gartner.com/it/page.jsp?id=739613, 2008.
6. P. Turney. Learning to extract keyphrases from text. Technical report, National Research Council, Institute for Informational Technology, 1999.
7. D. Turdakov. Word sense disambiguation methods. Programming and Computer Software, 2010, Vol. 36, No. 6, pp. 309-326.
8. D. Turdakov, S. Kuznetsov. Automatic word sense disambiguation based on document networks. Programming and Computer Software, 2010, Vol. 36, No. 1, pp. 11–18.
9. Dmitry Lizorkin, Pavel Velikhov, Maxim Grinev, Denis Turdakov. Accuracy estimate and optimization techniques for SimRank computation. — The International Journal on Very Large Data Bases archive. Volume 19 Issue 1, February 2010.
10. Dmitry Lizorkin, Pavel Velikhov, Maxim Grinev, Denis Turdakov. Accuracy Estimate and Optimization Techniques for SimRank Computation. — Proceedings of the VLDB Endowment. Volume 1 Issue 1, August 2008.
11. Maria Grineva, Maxim Grinev, Dmitry Lizorkin. Effective Extraction of Thematically Grouped Key Terms From Text. — Proc. of the AAAI 2009 Spring Symposium on Social Semantic Web. — pp. 39-44.
12. D. Turdakov, D. Lizorkin. HMM Expanded to Multiple Interleaved Chains as a Model for Word Sense Disambiguation. — PACLIC 2009: The 23rd Pacific Asia Conference on Language, Information and Computations. — pp. 549-559.
13. M. Grineva, M. Grinev, D. Lizorkin. Extracting Key Terms From Noisy and Multitheme Documents. — WWW2009: 18th International World Wide Web Conference.
14. M. Grineva, M. Grinev, Alexander Boldakov, Leonid Novak, Andrey Syssoev, D. Lizorkin. Sifting Micro-blogging Stream for Events of User Interest. — Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval, 2009.
15. Joel W. Reed, Yu Jiao, Thomas E. Potok, Brian A. Klump, Mark T. Elmore, Ali R. Hurson. TF-ICF: A New Term Weighting Scheme for Clustering Dynamic Data Streams. — Proc. Machine Learning and Applications, 2006, ICMLA ’06, pp. 258-263.
16. Mihalcea, R., and Csomai, A. 2007. Wikify!: linking documents to encyclopedic knowledge. — Proceedings of the sixteenth ACM conference on Conference on information and knowledge management, pp. 233-242. New York, NY, USA: ACM.
17. Salton, G. (1971). The SMART Retrieval System — experiments in automatic document processing. Prentice-Hall, Inc., Englewood Cliffs, NJ.
18. Alchemy API – Demo. — http://www.alchemyapi.com/api/demo.html.
19. Zhao, Dejin and Mary Rosson. How and why people Twitter: the role that micro-blogging plays in informal communication at work. — Proceedings of the ACM 2009 international conference on Supporting group work, 2009.
20. McFedries, P. All A-Twitter. IEEE Spectrum, October 2007, 84.
21. Java, A., Song, X., Finin, T., Tseng, B. Why we twitter: understanding microblogging usage and communities. — Proc. WebKDD/SNA-KDD ’07, ACM Press (2007).
22. Krishnamurthy, B., Gill, P., and Arlitt, M. A few chirps about twitter. — Proc. WOSP ’08. ACM Press (2008).
23. Honeycutt, C., Herring, S. Beyond microblogging: Conversation and collaboration via Twitter. — Proc. HICSS ’09. IEEE Press (2009).
24. Naaman, M., Boase, J., Lai, C.-H. Is it really about me? Message content in social awareness streams. — Proc. CSCW 2010, February 6-10, 2010, Savannah, Georgia, USA.
25. Huberman, B., Romero, D., Wu, F. Social networks that matter: Twitter under the microscope. First Monday [Online] 14, 1 (2008).
Обсуждение участника:egorcrazygeek — Вики
Ви́ки (англ. wiki) — веб-сайт, содержимое которого пользователи могут самостоятельно изменять с помощью инструментов, предоставляемых самим сайтом. Форматирование текста и вставка различных объектов в текст производится с использованием вики-разметки. В частности, на базе этих принципов построена Википедия и другие проекты Фонда Викимедиа[1].
История
Впервые термин «вики» для описания веб-сайта был использован в 1995 году Уордом Каннингемом, разработчиком первой вики-системы WikiWikiWeb, «Портлендского хранилища образцов» программного кода[2], созданной 25 марта 1995 года, который заимствовал слово гавайского языка, означающее «быстрый»[3][4]. Каннингем объяснил выбор названия движка тем, что он вспомнил работника международного аэропорта Гонолулу, посоветовавшего ему воспользоваться вики-вики шаттлом — небольшим автобусом, курсировавшим между терминалами аэропорта. Каннингем же планировал сделать движок, позволявший пользователям максимально быстро редактировать и создавать статьи. Каннингем первоначально описал вики как «простейшую онлайн-базу данных, которая может функционировать»[5]. Позже этому слову был придуман английский бэкроним «What I Know Is…» («то, что я знаю, это…»)[6].
Сущность концепции вики
Уорд Каннингем и его соавтор Бо Леуф в их книге The Wiki Way: Quick Collaboration on the Web описали сущность концепции вики следующим образом:
- Вики предлагает всем пользователям редактировать любую страницу или создавать новые страницы на вики-сайте, используя обычный веб-браузер без каких-либо его расширений.
- Вики поддерживает связи между разными страницами за счёт почти интуитивно понятного создания ссылок на другие страницы и отображения того, существуют данные страницы или нет.
- Вики не является тщательно изготовленным сайтом для случайных посетителей. Напротив, Вики стремится привлечь посетителей к непрерывному процессу создания и сотрудничества, который постоянно меняет вид сайта.
Определяющие свойства
Вики характеризуется такими признаками:
- Возможность многократно править текст посредством самой вики-среды (сайта), без применения особых приспособлений на стороне редактора.
- Особый язык разметки — так называемая вики-разметка, которая позволяет легко и быстро размечать в тексте структурные элементы и гиперссылки; форматировать и оформлять отдельные элементы[7].
- Учёт изменений (версий) страниц: возможность сравнения редакций и восстановления ранних.
- Проявление изменений сразу после их внесения.
- Разделение содержимого на именованные страницы.
- Гипертекст: связь страниц и подразделов сайта через контекстные гиперссылки.
- Множество авторов. Некоторые вики могут править все посетители сайта.
Техническая основа
Редактирование вики-текста в «MediaWiki»Для создания вики-среды необходимо особое ПО — движок вики. Это частный вид систем управления сайтом, довольно простой в своём устройстве и функциональности, поскольку почти все действия по структурированию и обработке содержимого делаются пользователями вручную.
Работа Википедии и других сайтов Фонда Викимедиа основана на движке MediaWiki.
Особенности
Язык вики поддерживает гиперссылки для создания ссылок между вики-страницами и является более наглядным, чем HTML, и более безопасным, поскольку использование JavaScript и каскадных таблиц стилей ограничено.
Вандализм
Многие вики позволяют изменять своё содержимое всем желающим, а не только зарегистрированным пользователям. Подобно тому, как стены зданий и заборы исписывают непристойными надписями и украшают рисунками граффити, в таких вики иногда портят содержимое или добавляют что-то неуместное. Но, в отличие от стен и заборов, в вики легко вернуть содержимое к ранней версии: исправлять легче, чем портить. Если же кто-либо настойчиво и намеренно стремится навредить пользователям вики-сайта, можно закрыть ему возможность вносить правки.
См. также
Примечания
Ссылки
- WikiMatrix — сайт-энциклопедия о вики движках, на английском языке.
(PDF) Использование Википедии для кластеризации смарт-тегов
Использование Википедии для кластеризации смарт-тегов
Мария Гринева, Максим Гринев
Денис Турдаков, Павел Велихов, Александр Болдаков
(
Институт системного программирования РАН
Москва, Россия
[email protected], [email protected]
[email protected], [email protected], [email protected])
Резюме: Качество текущих услуг по тегированию может быть значительно улучшится, если сервис
сможет кластеризовать теги по их значению.Облака тегов, сгруппированные по темам более высокого уровня, позволяют пользователям
исследовать свое пространство тегов, что особенно необходимо, когда облака тегов становятся большими. Мы
демонстрируем TagCluster — инструмент для автоматической кластеризации тегов, который использует знания из
Википедии о семантической взаимосвязи между тегами и названиями категорий для достижения интеллектуальной кластеризации
. Наш подход показывает гораздо лучшее качество кластеров по сравнению с существующими методами
, которые полагаются на анализ совместной встречаемости тегов в службе тегов.
Ключевые слова: Википедия, анализ пользовательского контента, сетевой анализ, тегирование
Категории: H.3.3, H.3.5
1 Введение
Услуги тегирования, которые назначают соответствующие ключевые слова документам или объектам, стали
весьма популярными в последние несколько лет. В настоящее время теги являются неотъемлемой частью приложений Web 2.0
, таких как службы социальных закладок (Furl, del.icio.us), ведение блогов
(Technorati) и службы обмена фотографиями (Flickr) [O’Rreilly, 2005].
Сервисы тегов предоставляют своим пользователям репозиторий помеченных объектов — пространство тегов
, которое можно исследовать с помощью облака тегов. Облако тегов — это своего рода визуальное изображение
набора тегов. Теги в облаке тегов либо перечислены в алфавитном порядке, либо размер тегов
в облаке тегов пропорционален их популярности. На практике такие облака тегов
не помогают в исследовании пространства тегов, когда количество тегов становится
более или менее значимым (примерно более 100).Улучшение поиска и
исследования в пространствах тегов было изучено с разных точек зрения, среди
различных подходов мы выделяем простую, но многообещающую идею о том, что автоматическое разделение облака тегов
на ряд семантически связанных кластеров сделает его
очень большим. более полезен для исследования космоса тегами
[Бегельман, 2006], [Хассан-Монтероа,
2006
].
В существующих методах
[Begelman, 2006], [Hassan-Monteroa, 2006], родство
между тегами определяется посредством анализа совместной встречаемости тегов репозитория службы тегов
: теги считаются связанными, если они присвоены общему объекту
.Однако это предположение довольно неопределенно, и, как следствие, методы
часто создают грязные кластеры
[Бегельман, 2006]. Напротив, ключевым моментом нашего подхода
является использование Википедии для вычисления семантической взаимосвязи между тегами, а для
выбор имен для кластеров, и мы демонстрируем, что это приводит к более высокому качеству кластеров тегов
.
Proceedings of I-KNOW ’08 и I-MEDIA ’08
Грац, Австрия, 3-5 сентября 2008 г.
Использование Википедии для кластеризации смарт-тегов
@inproceedings {grineva2008harnessing, abstract = {Качество текущих служб тегов можно значительно улучшить, если служба сможет кластеризовать теги по их значению.Облака тегов, сгруппированные по темам более высокого уровня, позволяют пользователям исследовать свое пространство тегов, что особенно необходимо, когда облака тегов становятся большими. Мы демонстрируем TagCluster — инструмент для автоматической кластеризации тегов, который использует знания из Википедии о семантической связи между тегами и названиями категорий для достижения интеллектуальной кластеризации. Наш подход показывает гораздо лучшее качество кластеров по сравнению с существующими методами, основанными на анализе совместной встречаемости тегов в службе тегов.}, добавил-в = {2011-02-17T17: 42: 17.000 + 0100}, author = {Гринева, Мария и Гринев, Максим и Турдаков, Денис и Велихов, Павел}, biburl = {https://www.bibsonomy.org/bibtex/2093e8262f1cf4f2c4a159b5d7b76ce78/dbenz}, booktitle = {Материалы международного семинара по приобретению знаний из социальных сетей (KASW2008)}, file = {grineva2008harnessing.pdf: grineva2008harnessing.pdf: PDF}, группы = {общедоступные}, interhash = {814ebc26a00c8facc9d2a7ef3edd256e}, intrahash = {093e8262f1cf4f2c4a159b5d7b76ce78}, ключевые слова = {кластеризация ol_web2.0 тегов wikipedia methods_concepts data_wikis}, отметка времени = {2013-07-31T15: 39: 42.000 + 0200}, title = {Использование Википедии для кластеризации смарт-тегов}, имя пользователя = {dbenz}, год = 2008 }
% 0 Материалы конференции % 1 grineva2008 % А. Гринева, Мария % А Гринев Максим % А Турдаков, Денис % А Велихов Павел % B Материалы международного семинара по приобретению знаний из социальных сетей (KASW2008) % D 2008 г. % K кластеризация тегов ol_web2.0 wikipedia methods_concepts data_wikis % T Использование Википедии для кластеризации смарт-тегов % X Качество текущих служб тегов можно значительно улучшить, если служба сможет кластеризовать теги по их значению.Облака тегов, сгруппированные по темам более высокого уровня, позволяют пользователям исследовать свое пространство тегов, что особенно необходимо, когда облака тегов становятся большими. Мы демонстрируем TagCluster — инструмент для автоматической кластеризации тегов, который использует знания из Википедии о семантической связи между тегами и названиями категорий для достижения интеллектуальной кластеризации. Наш подход показывает гораздо лучшее качество кластеров по сравнению с существующими методами, основанными на анализе совместной встречаемости тегов в службе тегов.
Скопируйте цитату в локальный буфер обмена.Это моя старая домашняя страница, которая скоро будет удалена. Моя новая домашняя страница совмещена с моим блогом и находится здесь: Максим Гринев Домашняя страницаЯ руководитель отдела исследований и разработок MODIS в Институте системного программирования (ИСП) РАН Раньше я выпускник МГУ (факультет вычислительной математики и кибернетики). Я получил докторскую степень.Докторская степень в области компьютерных наук МГУ в 2003 году. Мои исследовательские интересы включают управление базами данных, управление полуструктурированными и XML-данными, интеллектуальный анализ текста, функциональное программирование. В настоящее время я в основном работаю над базой данных Sedna XML и проектами интеллектуального анализа текста Texterra. Контактная информация Эл. Почта Адрес Телефон Обучение Осенний семестровый курс «Управление данными XML» в МГУ Мой весенний семестр «Программирование баз данных» в МГУ Рекомендуемая литература для студентов Публикации
Математическая библиография | |
Оценка точности и методы оптимизации для вычисления SimRank
Abelson, H., Сассман, Г.Дж .: Структура и интерпретация компьютерных программ, 2-е изд. MIT Press (1996). http://mitpress.mit.edu/sicp/full-text/book/book.html
Андерсен, Р., Чанг, Ф., Ланг, К.: Локальное разбиение графа с использованием векторов PageRank. В: FOCS ’06: Материалы 47-го ежегодного симпозиума IEEE по основам компьютерных наук, стр. 475–486. Компьютерное общество IEEE, Вашингтон, округ Колумбия, США (2006 г.). DOI: 10.1109 / FOCS.2006.44
Антонеллис И., Молина Х.Г., Чанг К.К .: Simrank ++: переписывание запросов с помощью анализа ссылок на графике кликов. Proc. VLDB Endow. 1 (1), 408–421 (2008). DOI: 10.1145 / 1453856.1453903
Google Scholar
Брин, С., Пейдж, Л .: Анатомия крупномасштабной гипертекстовой поисковой машины в Интернете. Comput. Сети ISDN Syst. 30 (1–7), 107–117 (1998). http://www.citeseer.ist.psu.edu/brin98anatomy.html
Коэн Р., Хэвлин С .: Безмасштабные сети — это сверхмалые размеры. Phys. Rev. Lett. 90 (5), 058,701 (2003). DOI: 10.1103 / PhysRevLett.90.058701
Артикул Google Scholar
Флаке, Г.В., Лоуренс, С., Джайлз, К.Л .: Эффективная идентификация веб-сообществ. В: Шестая международная конференция ACM SIGKDD по открытию знаний и интеллектуальному анализу данных, стр. 150–160. ACM Press, Нью-Йорк (2000)
Fogaras, D., Рац, Б .: Масштабирование поиска по сходству на основе ссылок. В: WWW ’05: Материалы 14-й Международной конференции по всемирной паутине, стр. 641–650. ACM, Нью-Йорк, Нью-Йорк, США (2005 г.). DOI: 10.1145 / 1060745.1060839
Габрилович, Э., Маркович, С .: Вычисление семантического родства с использованием явного семантического анализа на основе Википедии. В: Материалы двадцатой международной совместной конференции по искусственному интеллекту, стр. 1606–1611. Хайдарабад, Индия (2007).http://www.cs.technion.ac.il/~shaulm/papers/pdf/Gabrilovich-Markovitch-ijcai2007.pdf
Ганесан П., Гарсиа-Молина Х., Видом Дж .: Использование иерархической доменной структуры для вычисления сходства. ACM Trans. Инф. Syst. 21 (1), 64–93 (2003). DOI: 10.1145 / 635484.635487
Артикул Google Scholar
Гертс, Ф., Маннила, Х., Терзи, Э .: Реляционное ранжирование на основе ссылок.В: VLDB’2004: Материалы тридцатой Международной конференции по очень большим базам данных, стр. 552–563. VLDB Endowment (2004)
Gleich, D .: Fast parallel pagerank: линейный системный подход. Технический отчет (2004)
Дже, Дж., Видом, Дж .: SimRank: мера структурно-контекстного сходства. В: KDD ’02: Материалы восьмой Международной конференции ACM SIGKDD по открытию знаний и интеллектуальному анализу данных, стр. 538–543. ACM Press, Нью-Йорк (2002).DOI: 10.1145 / 775047.775126
Камвар, С., Хавеливала, Т., Мэннинг, К., Голуб, Г.: Использование блочной структуры Интернета для вычисления рейтинга страниц. Технический отчет (2003)
Кольшюттер, К., Чирита, П.А., Чирита, Р., Нейдл, В.: Эффективное параллельное вычисление рейтинга страниц. В: В материалах 28-й Европейской конференции по поиску информации, стр. 241–252 (2006)
Кронрод М., Арлазаров В., Динич Э., Фарадзев И .: Об экономическом построении транзитивного замыкания прямого графа. Сов. Math (Доклады) 11 , 1209–1210 (1970)
MATH Google Scholar
Ли, Л., Олдерсон, Д., Танака, Р., Дойл, Дж. К., Виллинджер, У .: К теории безмасштабных графов: определение, свойства и последствия (расширенная версия). CoRR abs / cond-mat / 0501169 (2005)
Liberty, E., Zucker, S.У .: Алгоритм почтальона: заметка об умножении матрицы на вектор. Инф. Процесс. Lett. 109 (3), 179–182 (2009). http://www.cs.yale.edu/homes/el327/papers/mailmanAlgorithm.pdf
Google Scholar
Линь Д .: Теоретико-информационное определение подобия. В: Материалы 15-й Международной конференции по машинному обучению, стр. 296–304. Морган Кауфманн, Сан-Франциско, Калифорния (1998). цитирующий.ist.psu.edu/95071.html
Лин, З., Кинг, И., Лю, М.Р .: PageSim: новая мера сходства на основе ссылок для всемирной паутины. В: WI ’06: Proceedings of the 2006 IEEE / WIC / ACM International Conference on Web Intelligence, pp. 687–693. Компьютерное общество IEEE, Вашингтон, округ Колумбия, США (2006 г.). DOI: 10.1109 / WI.2006.127
Лизоркин Д., Меделян О., Гринева М .: Анализ структуры сообщества в википедии. В: WWW ’09: Материалы 18-й Международной конференции по всемирной паутине, стр.1221–1222. ACM, Нью-Йорк, Нью-Йорк, США (2009). DOI: 10.1145 / 1526709.1526938
Лизоркин Д., Велихов П., Гринев М., Турдаков Д. Оценка точности и методы оптимизации для вычисления SimRank. ПВЛДБ 1 (1), 422–433 (2008)
Google Scholar
Лу В., Янссен Дж., Милиос Э. Э., Япкович Н .: Сходство узлов в сетевых информационных пространствах. В: Стюарт, Д.А., Джонсон, Дж.Х. (ред.) КАСКОН, стр. 11. IBM (2001). http://dblp.uni-trier.de/db/conf/cascon/cascon2001.html#LuJMJ01
Магуитман, А.Г., Менцер, Ф., Эрдинч, Ф., Ройнестад, Х., Веспиньяни, А .: Алгоритмическое вычисление и аппроксимация семантического сходства. Всемирная паутина 9 (4), 431–456 (2006). http://portal.acm.org/citation.cfm?id=1210403.1210410
Manaskasemsak, B., Rungsawang, A .: Параллельное вычисление рейтинга страниц на гигабитном ПК-кластере.В: AINA ’04: Proceedings of 18th International Conference on Advanced Information Networking and Applications, vol. 1. С. 273-277. IEEE Computer Society, Вашингтон, округ Колумбия, США (2004)
Ньюман М.Е., Гирван М.: Поиск и оценка структуры сообщества в сетях. Phys. Rev. E Stat. Нелинейная мягкая материя Phys. 69 (2), 1–15 (2004). http://www.ncbi.nlm.nih.gov/pubmed/14995526
Пейдж, Л., Брин, С., Мотвани, Р., Виноград, Т .: Рейтинг цитирования pagerank: наведение порядка в сети. Технический отчет 1999-66, Stanford InfoLab (1999). http://ilpubs.stanford.edu:8090/422/
Ши, С., Ю, Дж., Ян, Г., Ван, Д .: Распределенное ранжирование страниц в структурированных p2p-сетях. В: In ICPP, pp. 179–186 (2003)
Small H .: Совместное цитирование в научной литературе: новая мера взаимосвязи между двумя документами. Варенье. Soc. Инф. Sci. 24 (4), 265–269 (1973)
Артикул Google Scholar
Сонг, К., Хавлин, С., Макс, Х.А.: Самоподобие сложных сетей (2005). http://arxiv.org/abs/cond-mat/0503078
Strube, M., Ponzetto, S .: WikiRelate! Вычисление семантической взаимосвязи с использованием Википедии. В: Материалы 21-й Национальной конференции по искусственному интеллекту (AAAI-06), стр. 1419–1424. Бостон, Массачусетс (2006)
Си, У., Фокс, Э.А., Фан, У., Чжан, Б., Чен, З., Янь, Дж., Чжуан, Д .: SimFusion: измерение сходства с использованием единой матрицы отношений.В: SIGIR ’05: Материалы 28-й Международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска, стр. 130–137. ACM, Нью-Йорк, Нью-Йорк, США (2005)
Зеш Т., Гуревич И.: Анализ графа категорий Википедии для приложений НЛП. В: Proceedings of the TextGraphs-2 Workshop (NAACL-HLT 2007), pp. 1–8 (2007)
— KnowMiner
Использование Википедии для кластеризации смарт-тегов Мария Гринева, Максим Гринев Денис Турдаков, Павел Велихов, Александр Болдаков (Институт системного программирования РАН, Москва, Россия rekouts @ ispras.ru, [email protected] [email protected], [email protected], [email protected]) Аннотация: Качество текущих сервисов тегов можно значительно улучшить, если сервис сможет кластеризовать теги по их значению. Облака тегов, сгруппированные по темам более высокого уровня, позволяют пользователям исследовать свое пространство тегов, что особенно необходимо, когда облака тегов становятся большими. Мы демонстрируем TagCluster — инструмент для автоматической кластеризации тегов, который использует знания из Википедии о семантической связи между тегами и названиями категорий для достижения интеллектуальной кластеризации.Наш подход показывает гораздо лучшее качество кластеров по сравнению с существующими методами, основанными на анализе совместной встречаемости тегов в службе тегов. Ключевые слова: Википедия, анализ пользовательского контента, сетевой анализ, тегирование Категории: H.3.3, H.3.5 1 Введение Материалы I-KNOW ’08 и I-MEDIA ’08 Грац, Австрия, 3-5 сентября 2008 г. Услуги по тегам которые назначают релевантные ключевые слова документам или объектам, стали довольно популярными в последние несколько лет. В настоящее время теги являются неотъемлемой частью Web 2.0, такие как службы социальных закладок (Furl, del.icio.us), службы ведения блогов (Technorati) и службы обмена фотографиями (Flickr) [O’Rreilly, 2005]. Сервисы тегов предоставляют своим пользователям репозиторий помеченных объектов — пространство тегов, которое можно исследовать с помощью облака тегов. Облако тегов — это своего рода визуальное изображение набора тегов. Теги в облаке тегов либо перечислены в алфавитном порядке, либо размер тегов в облаке тегов пропорционален их популярности. На практике такие облака тегов не помогают исследовать пространство тегов, когда количество тегов становится более менее значимым (приблизительно более 100).Улучшение поиска и исследования в пространствах тегов изучается с разных точек зрения, среди множества подходов мы выделяем простую, но многообещающую идею, согласно которой автоматическое разделение облака тегов на ряд семантически связанных кластеров сделает его гораздо более полезным для исследования пространства тегов [Бегельман , 2006], [Hassan-Monteroa, 2006]. В существующих методах [Begelman, 2006], [Hassan-Monteroa, 2006] связь между тегами определяется посредством анализа совместной встречаемости тегов в репозитории службы тегов: теги считаются связанными, если они назначены общему объекту.Однако это предположение довольно неопределенно, и, как следствие, методы часто создают грязные кластеры [Бегельман, 2006]. Напротив, ключевым моментом нашего подхода является использование Википедии для вычисления семантической взаимосвязи между тегами и выбора имен для кластеров, и мы демонстрируем, что это приводит к более качественным кластерам тегов.
Страница не найдена | MIT
Перейти к содержанию ↓- Образование
- Исследовать
- Инновации
- Прием + помощь
- Студенческая жизнь
- Новости
- Выпускников
- О MIT
- Подробнее ↓
- Прием + помощь
- Студенческая жизнь
- Новости
- Выпускников
- О MIT
Попробуйте поискать что-нибудь еще! Что вы ищете? Увидеть больше результатов
Предложения или отзывы?
Извлечение ключевых терминов из зашумленных и многотемных документов Мария Гринева, Максим Гринев и Дмитрий Лизоркин Институт системного программирования РАН.
Презентация на тему: «Извлечение ключевых терминов из шумных и многотемных документов Мария Гринева, Максим Гринев и Дмитрий Лизоркин Институт системного программирования РАН» — стенограмма презентации:
ins [data-ad-slot = «4502451947»] {display: none! important;}} @media (max-width: 800px) {# place_14> ins: not ([data-ad-slot = «4502451947»]) {display: none! important;}} @media (max-width: 800px) {# place_14 {width: 250px;}} @media (max-width: 500 пикселей) {# place_14 {width: 120px;}} ]]>1 Извлечение ключевых терминов из шумных и многотемных документов Мария Гринева, Максим Гринев и Дмитрий Лизоркин Институт системного программирования РАН
2 Схема 1.Извлечение ключевых терминов: традиционные подходы и приложения 2. Использование Википедии в качестве базы знаний для обработки естественного языка 3. Основные методы нашего подхода: семантическая взаимосвязь на основе Википедии Алгоритм сетевого анализа для определения структуры сообщества в сетях 4. Наш метод 5. Экспериментальная оценка
3 Извлечение ключевых терминов Базовый шаг для различных задач НЛП: –классификация документов – кластеризация документов – резюмирование текста –выведение более общей темы текстового документа. Основная задача информационных систем Интернета, таких как Google AdSense и Yahoo! Контекстное соответствие — веб-страницы обычно шумные (боковые панели / меню, комментарии, будущие объявления и т. Д.) –Работа с многотематическими веб-страницами (домашние страницы портала и т. Д.)
4 Подходы к извлечению ключевых терминов На основе статистического обучения: –использовать, например: критерий частоты (модель TFxIDF), частоту ключевой фразы, расстояние между терминами, нормализованное количеством слов в документе (KEA) –вычислить статистические характеристики по корпусу Википедии (Wikify !) –Требовать обучающий набор На основе анализа синтаксической или семантической взаимосвязи терминов в документе –вычислить семантическую взаимосвязь между терминами (используя, например, Википедию) –моделировать документ как семантический граф терминов и применить к нему методы анализа графа (TextRank) –Обучающий набор не требуется
5 Использование Википедии в качестве базы знаний для обработки естественного языка Википедия (www.wikipedia.org) — бесплатная открытая энциклопедия — Сегодня Википедия — самая большая энциклопедия (более 2,7 миллионов статей в англоязычной Википедии) — Она всегда актуальна благодаря миллионам редакторов по всему миру — Имеет огромную сеть перекрестных ссылок между статьями, большое количество категорий, страницы перенаправления, страницы значений => богатый ресурс для начальной загрузки NLP и IR задач
6 Основные приемы нашего метода: семантическая взаимосвязь терминов Семантическая взаимосвязь присваивает балл паре терминов, который представляет силу взаимосвязи между терминами. Мы используем Википедию, вычисляем термины, семантическую взаимосвязь. Мы используем семантическую взаимосвязь для модели документа в виде графа терминов.
7 Семантическое родство на основе Википедии для двух терминов может быть вычислено с помощью: — ссылок, найденных в соответствующих статьях Википедии — структуры категорий Википедии — текстового содержания статьи Использование кубиков для определения семантического родства на основе Википедии Основные методы нашего метода: семантическое родство Условий
8 Основные приемы нашего метода: определение структуры сообщества в сетях Мы обнаруживаем термины сообщества в графе документа. Сообщество — плотно взаимосвязанная группа узлов в сети. Алгоритм Гирвана-Ньюмана для определения структуры сообщества в сетях: промежуточность — насколько граница «промежуточная» модульность различных сообществ — разделение является хорошим вариантом, если внутри сообществ много ребер и только несколько между ними
9 Наш метод 1.Извлечение потенциальных терминов 2. Устранение неоднозначности слов 3. Построение семантического графа 4. Выявление структуры сообщества семантического графа 5. Выбор ценных сообществ
10 Наш метод: извлечение потенциальных терминов. Цель: извлечь все термины из документа и для каждого термина подготовить набор статей в Википедии, которые могут описать его значение. Проанализируйте входной документ и извлеките все возможные n- граммы. Для каждого n-грамма (+ его морфологические вариации ) предоставить набор заголовков статей в Википедии — «напитки», «пить», «пить» => [Википедия:] Напиток; Питьевой
11 Наш метод: устранение неоднозначности смысла слов. Цель: выбрать наиболее подходящую статью в Википедии из набора статей-кандидатов для каждого неоднозначного термина, извлеченного на предыдущем этапе. Использование устранения неоднозначности в Википедии и перенаправление страниц для получения возможных значений неоднозначных терминов Денис Турдаков, Павел Велихов «Семантика Показатель родства для концепций Википедии, основанный на анализе ссылок и его применении для устранения неоднозначности слов »SYRCoDIS, 2008
12 Наш метод: построение семантического графа Цель: построение семантического графа документа с использованием семантической связи между терминами Семантический граф, построенный на основе новостной статьи «Apple, чтобы сделать iTunes более доступным для слепых»
13 Наш метод: определение структуры сообщества семантического графа
14 Наш метод: выбор ценных сообществ Цель: ранжируйте сообщества терминов таким образом, чтобы: — сообщества с самым высоким рейтингом содержали ключевые термины — сообщества с самым низким рейтингом содержали не важные термины и возможные ошибки неоднозначности. Использование: — плотность сообщества — сумма внутренних границ сообщество, разделенное на количество вершин в этом сообществе — информативность — сумма меры ключевой фразы (аналог TFxIDF на основе Википедии) терминов сообщества Рейтинг сообщества: плотность * информативность
15 Наш метод: выбор ценных сообществ. На 73% веб-страниц снижение оценок сообществ отделяет сообщества с ключевыми терминами от неважных.
16 Преимущества метода Отсутствие обучения.Вместо обучения системы на вручную созданных примерах мы используем семантическую информацию, полученную из Википедии. Шум и многотемная стабильность. Хорошо фильтрует шум и обнаруживает темы на веб-страницах Тематически сгруппированные ключевые термины. Значительно улучшить дальнейший вывод тем документов, используя, например, распространение активации по графику категорий Википедии. Высокая точность. Оценивается с использованием человеческих суждений (далее в этой презентации)
17 Экспериментальная оценка классического набора данных без шума — TFxIDF, Yahoo! Экстрактор терминов на основе Википедии — Wikify !, TextRank Evaluation на бесшумном наборе данных (сообщения в блогах) с использованием человеческого суждения
18 Сравнение с другими методами. Экспериментальная оценка веб-страниц. Эффективность нашего метода на различных типах веб-страниц.
19 Многотемная стабильность оценивается на сложных веб-страницах (популярные новостные сайты, домашние страницы порталов и т.) Экспериментальная оценка на веб-страницах
20 Благодарю вас! Любые вопросы? Почта upa@grinev.