ПОИСК ПО ИНДЕКСИРОВАННЫМ ДОКУМЕНТАМ. ОПЫТ ТЕСТИРОВАНИЯ

Cathycat написал:

[q]

Кстати, а зачем вам фильтровать ф203 по описям? Не могу себе представить такой необходимости. Там же все дела вперемешку, абсолютно без логики внесены. Частично соблюдена хронология, есть деление по сорокам, и все. Ну разве что вы описи эти знаете наизусть). Но таких людей, полагаю, немного.

[/q]

к примеру, меня интересует диапазон дат по 1862-й, как Москва так и губерния
из выпадающего списка совпадений по фамилии хотелось бы увидеть именно совпадения по ф.203 оп.745, которая как раз и охватывает интересующий меня период

логика описей заключается в географии и хронологии
если ищется человек в первой половине 19 века в Москве и Губернии - это ф.203 оп.745
если интересует однозначно Губерния с 1870 и выше - это оп.780

что же касается самого проекта Генотек - еще раз повторюсь, проект шикарный, вне всяких сомнений
лично я просто высказал "хотелку", я не программист и не знаю и знать не хочу, насколько это сложно сделать

если сложно - значит этим не будут заниматься
а если совсем просто и внимания не обратили (не успели) - может что-то подправят

gbyudby написал:

[q]

Коллеги, похоже было обновление базы
на ту же тему - обнаружил 5 новых записей

[/q]

Скорее всего обновления распознавания не было, а то, что Вы видите связано с изменением алгоритма текстового поиска, который пытается предугадать ошибки.

Поясню на примере. Фамилию в примере заменил, поставил вымышленную. Главное здесь в окончаниях.
Количество результатов по запросам с разными окончаниями две недели назад.

БылинскИЙ - 3 результата
Былинск - 8337 результата
БылинскАЯ - 2884 результата
БылинскИЕ - 3 результата
БылинскИМ - 17 результата
БылинскОГО - 3 результата
БылинскУЮ - 5 результата
БылинскИХ - 18 результата

По сути это один и тот же запрос, но результаты разные. Как минимум запрос без окончания "Былинск" должен был выдавать всё, что есть. Но выдавал не все.
Сейчас, если вводить все эти запросы, то почти по всем количество результатов одинаковое. Это говорит о том, что подкрутили именно поисковую фильтрацию. Если бы просто распознали некоторое количество новых дел, то количество результатов все равно бы осталось различным в зависимости от окончания.

Кроме окончания учитываются еще возможные ошибки в середине слова. Дубнев и Руднев, к примеру - по первой букве. Их тоже могли подкрутить и это может влиять на незультат поиска.

То, что при тюнинге не учли, - возможное окончание АГО вместо ОГО.
Сейчас проверил на одной фамилии (в примере другая фамилия)
БылинскОГО - 2479 результатов.
БылинскАГО - 3641 результатов.

Хотя в метрических книгах часто писали именно с окончанием АГО, а не ОГО.
И в моем примере, если поправить алгоритм, количество результатов по двум запросам должно быть одинаковое и, скорее всего, количество уникальных записей в объединенном запросе после исправления будет больше, чем 3641шт.

>> Ответ на сообщение пользователя xbox от 25 марта 2022 14:37

Предполагаю, вы правы. Разработчики писали, что продолжают совершенствовать алгоритм поиска.

интересно, а насколько трудозатратно для разработчиков опубликовать список дел, которые вошли в систему ?

тогда заинтересованные лица могли бы сопоставить результаты поиска системой по конкретной совокупности дел с теми данными, которые были найдены ранее ручным поиском по той же совокупности

возможно это послужит отладке нейросети))

500 записей - особых проблем не вижу
делал так
"проматывал" всю ленту вниз, чтобы "ухватить конец"
открывал вордовский файл
и потихоньку поднимаясь вверх копипастом "откладывал" в ворд то, что заинтересовало...

вот когда 5000 записей...