3784500544

Metody algebraiczne w zadaniach eksploracji danych na przykładzie automatycznego ... 243

Tabela 13. Wynik podsumowania tekstu z tabeli 13 w postaci 10 najistotniejszych zdań

355	Miałem około stu kilometrów do Chabarowska.
404	Przez Rosję przejechałem 13 tysięcy kilometrów i zaprawiłem 2119 litrów benzyny, bo mój łazik żarł (tak mówią Rosjanie) średnio 16.3 litra paliwa na sto kilometrów.
158	Przejechałem już 7700 kilometrów⁷.
184	Do Chabarowska dotarłem w końcu lutego, miałem stąd tylko 770 kilometrów niezłej drogi do Władywostoku, gdzie kończy łem podróż.
171	Ponad 2 tysiące kilometrów do Chabarowska tylko góry. bagna, śnieg i tajga.
130	Grisza wziął za robotę 9 tysięcy rubli (900 złotych), więc gotowe do drogi auto kosztowało mnie 201 tysięcy (20,1 tysiąca złotych).
96	Z ruskich aut napęd na cztery koła mają tylko lady niwy, ale miejscowi fachowcy mówią, że za Uralem nie potrafią porządnie ich napraw iać. i łaziki, które w każdym kołchozie nawet traktorzysta zreperuje młotkiem, bo to podobno najmniej skomplikow ane auto na świecie.
113	Jak dla mnie 170 tysięcy rubli (17 tysięcy złoty ch), ale Grisza w ie, że jest w dobry m stanie.
416	50 kilometrów przed Szymanów skiem. między⁷ Czy⁷tą a Chabarow skiem. droga w robocie.
75	I miał dodge'a challengera rocznik 70 z silnikiem 4,4 litra, który⁷ wyciągał do 250 kilometrów na godzinę.

W Tabeli 14 zamieszczono również 20 najistotniejszych słów tekstu. Na Rysunku 9 pokazano wykresy wektorów zdań oraz termów (te ostatnie są w macierzy posortowane alfabetycznie), na bazie których określono przedstawione w tabelach 13 i 14 wyniki.

Jak widać wyniki dotyczące najistotniejszych słów pozostawiają wiele do życzenia. Jest to prawdopodobnie wynikiem nieuwzględnienia stemmingu. Prezentowany wcześniej stemmer dla języka polskiego niestety generuje bardzo wiele powtórzeń słów a bez ich usunięcia otrzymywane wyniki były bardzo zależne od tych powtórzeń. Przykład wykonano więc bez stemmingu, gdyż automatyczna decyzja, które z powtórzeń uwzględnić, a które usunąć jest zadaniem bardzo trudnym.

Tabela 14. Wynik podsumowania tekstu z tabeli X w postaci 20 najistotniejszych słów

kilometrów, łazik, chabarowska, tysięcy, przejechałem, złotych, samochód, rubli, litra, zimno, tysiące, pól. śnieg, razy, drogi, najmniej, sto, paliwa, samochodu, lutego