Веб коллекция KM.ru

Описание

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

Формат

Коллекция распространяется в виде xml файлов, определенного формата .

Список дорожек, в которых использовалась коллекция

• поиск по коллекции Веб документов
  • 2007
• поиск по смешанной коллекции
  • 2007