The website "romip.narod.ru." is not registered with uCoz.
If you are absolutely sure your website must be here,
please contact our Support Team.
If you were searching for something on the Internet and ended up here, try again:

About uCoz web-service

Community

Contacts

Legal information

 [РОМИП] Коллекция Narod.Ru

Новости
Правила
Заявка на участие
График
Дорожки:
   Поиск
   Классификация
Участники
Организация
FAQ
Форум

   Коллекция Narod.Ru

Основной набор данных для дорожек в 2003 году.

Выбор Веб коллекции обусловлен как актуальностью задач поиска для Веб, так и простотой организации легального доступа к этому набору данных для участников семинара.

Коллекция представляет собой псевдослучайную выборку сайтов из narod.ru с исключением всех сайтов, созданных исключительно с использованием стандартных шаблонов narod.ru. В набор включались только HTML документы.

Статистика по набору данных:

  • Объем HTML данных: 7+ Gb
  • Число документов: 600 000+
  • Число сайтов: 20 000+
  • Кодировка: cp1251 (исключения можно трактовать как мусор)
В распространяемом наборе документы представлены в следующем формате (ассоциация исходного URL и документа сохраняется).

Сохранение исходной разметки обеспечивает максимальное приближение к реальным условиям в Веб.

Для облегчения процесса обработки набора данных конкретной системой с набором будет распространяться простой и легко адаптируемый парсер (наверное, реализованный на java), который может быть использован для преобразования данных в более удобный для конкретной системы формат.

Акция на Apple iPhone, iPad! В интернет-магазине Apple-House - купить айфон 4 в москве дешево