У статті розглянуті моделі пошуку, покладені в основу роботи Lucene.Net, і описані особливості ранжирування документів. Однією з найважливіших стає завдання пошуку по вмісту за кінцеве час у великому обсязі документів. Традиційні системи пошуку, як правило, орієнтуються на роботу зі структурованими текстовими даними і мало пристосовані для обробки мультимедійної і неструктурованою інформації. Тоді виникає проблема пошуку і вибірки необхідної інформації з великого неструктурованого масиву. Одним з факторів, що стимулюють розвиток технологій пошуку, є поява величезної кількості електронних бібліотек, що містять значні обсяги актуальних знань. У зв'язку з тим, що вибір алгоритму пошуку залежить від особливостей проекту, необхідна розробка більш досконалих методів, що беруть за основу наведені моделі та забезпечують високу релевантність знайдених документів за позовною запитом користувача за максимально короткі терміни, а також володіють точно обчислюється строком видачі результату. Потрібні особливі види пошуку та обробки результату, а також особливу кількість або формат даних в проекті. У даній статті визначено параметри, які слід враховувати при виборі пошукового механізму. Проаналізовано існуючі підходи до вирішення завдань пошуку і запропоновано їх поліпшення, засноване на використанні модифікації булевого пошуку (метод зваженого зонного ранжирування). наведено критерії оцінки інформаційного пошуку. Показана концептуальна формула для оцінки релевантності пошуку

Анотація наукової статті з комп'ютерних та інформаційних наук, автор наукової роботи - Жердєва М.В.


Lucene.Net.The search models which have been the basis for work of Lucene.Net are considered and some specific techniques of ranging documents are described. The problem of the search of certain contents in a large number of documents during a limited period of time is becoming one of the major challenges. As a rule, the traditional systems of search are oriented at work with the structured data text and are poorly adapted for processing the multimedia and unstructured information. Then there is a problem of the search and that of selecting the relevant information from the big unstructured massif. One of the factors stimulating the development of search technologies is that a huge number of the electronic libraries containing considerable amount of actual knowledge has become available at present. As the choice of search algorithm depends on the features of a project, the development of more perfect methods, which use the given models as a basis and provide high relevance of the found documents to a search query of a user as soon as possible and also possess a precisely calculated term of the result availability, is necessary. Special types of search and processing the result, and special quantity or a format of data in the project are also required. In this article the parameters which should be taken into account while choosing the search mechanism are shown. The existing approaches to the solution of the search problem are analyzed and their improvement is based on the use of Boolean search modification (a method of the balanced zonal ranging) suggested. The criteria of an assessment of information search are given. The conceptual formula for an assessment of Lucene.Net search relevance is shown.


Область наук:
  • Комп'ютер та інформатика
  • Рік видавництва: 2015
    Журнал: Лісовий вісник / Forestry bulletin
    Наукова стаття на тему 'Алгоритми пошуку, використовувані в Lucene. Net '

    Текст наукової роботи на тему «Алгоритми пошуку, використовувані в Lucene. Net »

    ?алгоритми пошуку, що використовуються в lucene.net

    М.В. Жердєва, асп., Технологічний університет (1)

    Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

    (1) ГБОУ ВО МО «Технологічний університет», +141074, Московська обл., М Корольов, вул. Гагаріна, д. 42

    У статті розглянуті моделі пошуку, покладені в основу роботи Lucene.Net, і описані особливості ранжирування документів. Однією з найважливіших стає завдання пошуку по вмісту за кінцеве час у великому обсязі документів. Традиційні системи пошуку, як правило, орієнтуються на роботу зі структурованими текстовими даними і мало пристосовані для обробки мультимедійної і неструктурованою інформації. Тоді виникає проблема пошуку і вибірки необхідної інформації з великого неструктурованого масиву. Одним з факторів, що стимулюють розвиток технологій пошуку, є поява величезної кількості електронних бібліотек, що містять значні обсяги актуальних знань. У зв'язку з тим, що вибір алгоритму пошуку залежить від особливостей проекту, необхідна розробка більш досконалих методів, що беруть за основу наведені моделі та забезпечують високу релевантність знайдених документів за позовною запитом користувача за максимально короткі терміни, а також володіють точно обчислюється строком видачі результату. Потрібні особливі види пошуку та обробки результату, а також особливу кількість або формат даних в проекті. У даній статті визначено параметри, які слід враховувати при виборі пошукового механізму. Проаналізовано існуючі підходи до вирішення завдань пошуку і запропоновано їх поліпшення, засноване на використанні модифікації булевого пошуку (метод зваженого зонного ранжирування). Наведено критерії оцінки інформаційного пошуку. Показана концептуальна формула для оцінки релевантності пошуку Lucene.Net.

    Ключові слова: інформаційний пошук, документ, критерії, релевантність, пошукові системи

    В даний час відбувається повсюдний перехід підприємств на електронний документообіг. Завдяки цьому великого значення набувають системи «миттєвого» локального повнотекстового пошуку по вмісту документів різних типів. Кількість документів, з якими співробітник повинен працювати за день, збільшується з кожним роком, тому особливо важливою стає завдання пошуку по вмісту за кінцеве час у великому обсязі документів (десятки і сотні тисяч документів). Традиційні системи пошуку, що розвиваються в тісному взаємозв'язку з СУБД, в основному орієнтовані на роботу зі структурованими текстовими даними і мало пристосовані для обробки мультимедійної і неструктурованою інформації. В цьому випадку виникає проблема пошуку і вибірки необхідної інформації з великого неструктурованого масиву. Іншим фактором, що стимулює розвиток технологій пошуку, є поява великої кількості електронних бібліотек, що містять значні обсяги актуальних знань. Продуктивність і ефективність будь-якої подібної системи зберігання інформації безпосередньо залежить від ефективності і продуктивності пошукових систем.

    Актуальність питань розробки пошукових систем. На сьогоднішній момент до пошукових систем пред'являється ряд додаткових вимог: побудова запиту природною мовою, пошук інформації не тільки по формально заданих термінів, але і автоматичний аналіз і розширення запиту, можливість створення складних запитів з ітеративним і інтерактивним уточненням його параметрів, інтелектуальне ранжування видаваної інформації . Повноцінного вирішення сукупності зазначених завдань в даний момент не знайдено. Для пошуку інформації на підставі запиту природною мовою спочатку необхідно побудувати модель знань користувача про предметну область. Дана модель будується на підставі введеного користувачем тексту запиту з використанням алгоритмів семантико-сінтаксічес-кого аналізу. Побудова подібної моделі дозволяє більш точно вказати, що саме шукає користувач. Для розширення меж пошуку з метою охоплення всієї предметної області служать різні алгоритми, пов'язані із застосуванням тезауруса. Знання про мову в цілому і предметної області зокрема представляються у вигляді фіксованої (іноді динамічною) семантичної мережі з виділеними відносинами між поня-

    тиями (термінами). Більшість ПС після здійснення пошуку виконує ранжування списку знайдених документів. Ранжування здійснюється шляхом оцінки релевантності документів запитом користувача. Способи оцінки релевантності, що застосовуються більшістю ПС, засновані на порівнянні кількості співпадаючих слів в запиті і на сторінці з урахуванням місцезнаходження слів на сторінці. Цей підхід не завжди дає хороший результат, особливо якщо запит був складним і містив багатозначні поняття. У цьому випадку доцільно застосовувати оцінку релевантності запиту з використанням апарату нечіткої логіки для порівняння семантичних мереж запиту і документа. Подібний підхід оцінює вміст не за формальним наявності шуканих слів із запиту, а за смисловим змістом сторінки і його відповідності смисловому змісту запиту.

    Завдання, що покладаються на пошукову систему (ПС), залежать від ролі і місця ПС в інформаційній системі. Це може бути підсистема пошуку, інтегрована всередину СУБД, або стороннє засіб, що накладається на існуючий архів інформації. Одним із завдань, покладених на ПС, є пошук і аналіз інформації в засобах електронного документообігу. Одне з рішень полягає в тому, що інформація завантажується в спеціальну «систему управління знаннями». В даному випадку інформація зберігається всередині системи і доступ до неї здійснюється засобами спеціалізованих пошукових засобів. Іншим є підхід, при якому на мережу джерел накладається єдина інформаційно-пошукова система, що забезпечує прозорий пошук і категоризацію документів. Найпоширенішою завданням, яке ставить перед ПС, є завдання пошуку інформації в попередньо проіндексованих повнотекстових масивах даних. Це можуть бути як дані на локальній машині, так і розподілені дані всередині Интра-ні / Інтернет мереж. Подібне завдання пошуку варто як перед пошуковими системами Інтернет, так і перед спеціалізовані-

    ми засобами повнотекстового пошуку. Виділяються наступні підзадачі: пошук по контексту, тематичний пошук, побудова карти знань, авторубрікатор, пошук документів по відношенню близькості.

    Параметри критеріїв вибору пошукового механізму

    В якості критеріїв вибору пошукового механізму визначимо наступні параметри:

    - швидкість індексування і переиндексации,

    - підтримувані API,

    - підтримувані протоколи,

    - розмір бази і швидкість пошуку,

    - підтримувані типи документів,

    - робота з різними мовами і стем-

    мінг,

    - підтримка додаткових типів полів в документах,

    - платформа і мова,

    - можливість розширення вбудованих механізмів ранжирування і сортування

    [3-6].

    Основні принципи визначення релевантності

    1. Кількість ключових слів запиту в тексті документа.

    2. Теги, в яких ці слова розташовуються.

    3. Місцезнаходження шуканих слів у документі.

    4. Питома вага слів, відносно яких визначається релевантність, в загальній кількості слів документа.

    5. Час - як довго сторінка знаходиться в базі пошукового сервера.

    6. Індекс цитованості - як багато посилань на дану сторінку веде з інших сторінок, зареєстрованих в базі пошукача [5].

    Критерії оцінки інформаційного пошуку

    Розглянемо координати опису виходу АІПС з точки зору споживача інформації [1, 2, 7]:

    - діаграма <L> або діаграма Ейлі-ра-Венна (рис. 1);

    - таблиця спряженості або діаграма <a, b, c, d> (Рис. 2);

    - діаграма <n, x>- взаємозв'язок числа виданих релевантних документів і загального числа виданих документів (рис. 3).

    Первинні координати. щодо координат <n, x> необхідно зауважити, що допустимі видачі (мають сенс поєднання числа виданих релевантних - x і загального числа виданих документів - n) знаходяться в незаштриховані області ОІрОД, обмеженою прямими лініями ОІ: x = n; Ір0: x = x0; Рід: x = n - (n0 - x0); Д0: x = 0. (1)

    Очевидна наступний взаємозв'язок перерахованих координат:

    • число виданих релевантних документів

    a = x = | LІ PlLc |, (2)

    • кількість виданих документів

    a + b = n = | LC |, (3)

    • загальна кількість релевантних

    a + c = x0 = | LІ |, (4)

    • загальна кількість документів

    L0 - a + c + d = n0 = | L0 |. (5)

    Приватні критерії. З метою кількісного опису рівня якості пошуку АІПС історично першими були запропоновані наступні приватні критерії оцінки системи:

    • повнота (r - від recall ratio):

    а

    г =

    а + з

    х х0

    ?Hn? C

    (6)

    • точність (p - від precision ratio):

    - а - - | /, І ПХ, С | - (7)

    Р ~ а + Комерсант ~ п ~ 1 ^ 1 '()

    • специфічність:

    ^ = Л = 1 п-х = (8)

    з1 + Ь щ-х0 \ Ь0ЬС \

    • спільність (точність Ь0) характеризує якість пошукового масиву в цілому:

    = А + с = Хо = \ 1 ^ \. Ро а + Ь + с + й п0 \ Ь0 \. ()

    Кожна з змінних (6) - (8) змінюється в межах від 0 до 1.Спісок перечис-

    ленних змінних може бути доповнений величиною n (відносний обсяг видачі):

    а + Комерсант п \ LC \

    V = - = - = -. (10)

    a + b + c + d п0 |? 0 |

    Бібліотека Lucene.NET, що береться за основу даного дослідження, є продуктом з відкритим вихідним кодом, поширюваним за ліцензією Apache. Вона є потужним і продуктивним засобом повнотекстового пошуку, що підтримує підключення різних моделей ранжування ступеня релевантності отриманих результатів.

    Lucene.Net - це перенесений з платформи Java пошуковий движок Lucene. Він підтримує той же API і ті ж класи, що і оригінальна версія. Це накладає певний відбиток, а також робить індекс назад сумісним для обох платформ.

    Розглянемо моделі пошуку, використовувані в Lucene.Net. [8-10]

    В даний час розрізняють три загальні моделі пошуку:

    1) Булева модель, коли документи при пошуку діляться на дві групи - або відповідні, або невідповідні запитом, при цьому ніякі їх оцінки не обчислюються. Так як в цій моделі немає оцінок релевантності документа запиту, то видається все безліч документів, що відповідають запиту, без будь-якого ранжирування.

    2) Векторна модель, коли і запити, і документи моделюються векторами ваг n-мірного простору

    v (d) = (ж, ..., wn), V (q) = (v., ..., vn), (11) де n - загальне число різних умов (слів) у всіх документах колекції, кожен унікальний терм - вимір; w. і v. - відповідно ваги i-го терма в документі d і запиті q, ваги можуть обчислюватися як tf-idf (term frequency -inverse document frequency, частота терма - зворотна частота документа). Релевантність або подобу між запитом і документом обчислюються відстанню між цими векторами: чим ближче вони розташовані, тим більше документ d відповідає запиту q. У векторній моделі

    часто використовують косинусному оцінку релевантності q і d

    а) = У (яУУ (с) / \ У (яЖШ, (12)

    де У (д) -У (а) - скалярний добуток двох векторів, а \ У (д) || У (0) | - твір їх довжин.

    Векторна модель спеціально не вимагає, щоб ваги були обов'язково tf-idf, але використання таких ваг дає високоточний пошук. Ьісспс використовує tf-idf - функцію, прямо пропорційну числу документів колекції, що містять цей терм.

    3) Імовірнісна модель, де обчислюється ймовірність того, що документ відповідає запиту з використанням повного імовірнісного підходу.

    Lucene.Net при реалізації функції пошуку комбінує векторну і булеві моделі. Підхід полягає в тому, що відбір документів здійснюється відповідно до булевої моделлю, а їх ранжування - відповідно до векторної моделлю.

    Рівняння для cosineSim (q, d) можна розглядати як скалярний твір нормалізованих векторів ваг, в тому сенсі, що розподіл вектора Уна його довжину є його нормалізація до одиничного вектору.

    Lucene уточнює оцінку векторної моделі cosineSim (q, d) як з точки зору якості пошуку, так і зручності її обчислення.

    1) Нормалізація У (а) до одиничного вектору може бути проблематичною в тому сенсі, що таким чином віддаляється інформація про довжину документа. Щоб уникнути цієї проблеми, використовується множник, що враховує його довжину, який призводить У (а) до вектора довжиною, рівною або більшою одиниці: ат ^ єп ^ т (а).

    2) При індексації документа користувачі можуть вказати, що одні документи важливіше, ніж інші, шляхом присвоєння документу показника важливості (т. Е. Одні документи мають перевагу перед іншими при інших рівних умовах). Значить, що і оцінка кожного документа отримає додатковий множник важливості документа

    аВоо ^^ (а).

    3) Особливістю моделі документа Lucene є те, що документ розглядають-

    ється як сукупність полів (полів метаданих). У зв'язку з цим кожен терм відноситься до якогось конкретного полю. Нормалізація довжини документа являє собою нормалізацію довжин полів документа. Крім того, що є множник важливості документа, існують також множники важливості окремих його полів (наприклад, 0,5 для поля autor, 0,3 - для title і 0,2 - для body).

    4) Одне і те ж поле може бути присутнім в документі багаторазово (наприклад,

    релевантні

    \ LC

    1 ЬІ \ .а I j

    видані

    d

    Мал. 1. Діаграма Ейлера-Венна Fig. 1. Diagram of the Euler-Venn

    релевантні Нерелевантні

    видані

    невидані

    а b

    c d

    Мал. 2. Таблиця спряженості видачі та релевантності Fig. 2. Crosstabs of issue and relevance

    x (видані релевантні повідомлення)

    2-

    видані повідомлення Рис. 3. Діаграма <n, x> Fig. 3. Diagram <n, x>

    0

    x

    0

    в тому випадку, коли документ має кілька авторів), тому важливість цього поля дорівнює добутку множників важливості окремих його примірників в документі.

    5) Під час пошуку користувачі можуть задати важливість для кожного запиту, підзапиту і кожного терма запиту, тому внесок кожного терма запиту оцінки документа множиться на важливість цього терма запиту qBoost (q).

    6) Документ може відповідати деяким термам запиту і не містити при цьому всі його терми (справедливо для деяких запитів), тому має сенс підвищувати оцінку релевантності тих документів, які містять більше пошукових умов. Для цього в оцінку вводять множник

    На підставі вищевикладеного та припускаючи для спрощення, що індекс створюється для одного поля, отримаємо концептуальну формулу для оцінки релевантності пошуку Lucene.Net

    * ЙосЬепМогт ^ сОсШоозЦсГ).

    Дана концептуальна формула спрощена в тому сенсі, що бере до уваги документ, а не його поля, і важливість визначається не для запиту, а для термів запиту.

    Так як відбір документів здійснюється відповідно до булевої моделлю, використання модифікованого булевого пошуку (метод зваженого зонного ранжирування) дозволить поліпшити алгоритм пошуку Lucene.Net. У методі зваженого зонного ранжирування відбувається поділ документа на зони, наприклад: заголовок, зміст, дата публікації та автор. Метод зваженого зонного ранжирування привласнює парі (а, q) значення релевантності на відрізку, обчислюючи лінійну комбінацію зонних показників, в яку кожна зона документа вносить логічне значення. Нехай існує безліч документів, кожен з яких має I зон. Тоді g1, g2, ..., gl е [0, 1], так що

    = 1, (14)

    S. - булева величина, що означає відповідність (або його відсутність) між запитом q і / '- й зоною, де 1 < i < I. Наприклад, якщо всі терміни запиту належать конкретній зоні, то її логічне значення має бути рівним одиниці, а якщо немає - нулю. Це відображення може здійснювати будь-яка булева функція, що показує наявність термінів запиту в зоні безлічі {0,1}. Таким чином, зважену зонний релевантність можна визначити як

    Бсоге ((1, д) = ХДОг.

    висновок

    (15)

    Розробка більш досконалих методів алгоритмів пошуку Lucene.Net (а саме, використання модифікованого булевого пошуку для відбору документів), що беруть за основу наведені моделі та забезпечують високу релевантність знайдених документів пошуковому запиту користувача за максимально короткі терміни, а також володіють точно обчислюється строком видачі результату хоча б для певних предметних областей є надзвичайно актуальним завданням у зв'язку з тим, що бази знань як приватних, так і державних організацій в даний час містять дуже велику кількість документів і продовжують поповнюватися новими документами.

    Самостійних пошукових рішень, з відкритим кодом, які повністю реалізують індексацію і пошук по власних алгоритмах на ринку небагато, і яке рішення вибрати - залежить від особливостей проекту, т. К. Для якихось проектів підійде просте рішення. Слід враховувати, чим складніше додаток і структура контенту або якщо потрібні особливі види пошуку та обробки результату, або особливе кількість або формат даних в проекті, то буде потрібно власна пошукова система.

    бібліографічний спікок

    1. Артюшенко, В.М. Сучасні дослідження в області теоретичних основ інформатики, системного аналізу, управління і обробки інформації: монографія / В.М. Артюшенко, Т.С. Аббасова, І.М. Белюченко і ін. - Корольов: ГБОУ ВПО ФТА, 2014. - 318 с.

    2. Інтелектуальні технології та системи // Зб. уч.- метод. робіт і статей аспірантів і студентів. Вип. 8. - М .: НОК «CLAIM», 2006. - 326 с.

    3. Ністратова, М.В. Можливості використання систем повнотекстового пошуку в дистанційному навчанні / М.В. Ністратова // Міжнар. наук.-практ. конф. «Перспективи, організаційні форми і ефективність розвитку співпраці російських і зарубіжних ВНЗ» (24-25 квітня 2014 г.).

    4. Ністратова, М.В. Можливості використання систем повнотекстового пошуку в системі електронного документообігу / М.В. Ністратова // IX Міжнар. заоч. наук.-практ. конф. «Тенденції та перспективи розвитку сучасного наукового знання».

    5. Огляд рішень для повнотекстового пошуку в веб-проектах: Sphinx, Apache Lucene, Xapian http: // alexandr. logdown.com/posts/22560.

    6. Повнотекстовий пошук в веб-проектах: Sphinx, Apache Lucene, Xapian. http://habrahabr.ru/post/30594/

    7. Повнотекстовий пошук і його можливості. http: // habrahabr.ru/post/40218/

    8. Повнотекстовий пошук з використанням Apache Lucene. http://www.waveaccess.ru/

    9. Повнотекстовий пошук в веб-додатках. http://rsdn.ru/article/inet/full-text_search_for_web-apps. xml

    10. Порівняння двигунів повнотекстового пошуку. http: // lib. custis.ru.

    SEARCH ALGORITHMS USED IN LUCENE.NET Zherdeva M.V., pg. University of Technology®

    Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.,

    (1) University of Technology, st. Gagarina, 42, Korolev, Moscow region, Russia

    The search models which have been the basis for work of Lucene.Net are considered and some specific techniques of ranging documents are described. The problem of the search of certain contents in a large number of documents during a limited period of time is becoming one of the major challenges. As a rule, the traditional systems of search are oriented at work with the structured data text and are poorly adapted for processing the multimedia and unstructured information. Then there is a problem of the search and that of selecting the relevant information from the big unstructured massif. One of the factors stimulating the development of search technologies is that a huge number of the electronic libraries containing considerable amount of actual knowledge has become available at present. As the choice of search algorithm depends on the features of a project, the development of more perfect methods, which use the given models as a basis and provide high relevance of the found documents to a search query of a user as soon as possible and also possess a precisely calculated term of the result availability, is necessary. Special types of search and processing the result, and special quantity or a format of data in the project are also required. In this article the parameters which should be taken into account while choosing the search mechanism are shown. The existing approaches to the solution of the search problem are analyzed and their improvement is based on the use of Boolean search modification (a method of the balanced zonal ranging) suggested. The criteria of an assessment of information search are given. The conceptual formula for an assessment of Lucene.Net search relevance is shown.

    Keywords: information search, document, criteria, relevance, search engines

    References

    1. Artyushenko V.M., Abbasova T.S., Belyuchenko I.M., Vasil'yev N.A., Zinov'yev V.N., Strenalyuk YU.V., Vokin G.G., Samarov K.L., Stavrovskiy M.Ye., Poserenin S.P., Razumovskiy I.M., Fominskiy V.YU. Sovremennyye issledovaniya v oblasti teoreticheskikh osnov informatiki, sistemnogo analiza, upravleniya i obrabotki informatsii [Modern researches in the field of theoretical fundamentals of informatics, the system analysis, management and information processing]. Korolev, FTA, 2014. 318 p.

    2. Intellektual'nyye tekhnologii i sistemy [Intellectual technologies and systems] Collection of educational methodical works and articles of graduate students and students. Release 8. Moscow: NOC of «CLAIM», 2006. 326 p.

    3. Nistratova M.V. Vozmozhnosti ispol'zovaniya sistem polnotekstovogopoiska v distantsionnom obuchenii [Possibilities of use of systems of full text search in distance learning] International scientific and practical conference «Prospects, Organizational Forms and Efficiency of Development of Cooperation of the Russian and Foreign higher education institutions» (April 24-25, 2014 року).

    4. Nistratova M.V. Vozmozhnosti ispol'zovaniya sistem polnotekstovogo poiska v sisteme elektronnogo dokumentooborota [Possibilities of using full-text search systems to electronic document management system]. IX International extramural scientific-practical conference «Trends and prospects of development of modern scientific knowledge».

    5. Obzor resheniy dlya polnotekstovogo poiska v veb-proektah: Sphinx, Apache Lucene, Xapian [The review of decisions for full text search in web projects: Sphinx, Apache Lucene, Xapian.]. http://alexandr.logdown.com/posts/22560

    6. Full-text search in web projects: Sphinx, Apache Lucene, Xapian. http://habrahabr.ru/post/30594/

    7. Full-text search and features. http://habrahabr.ru/post/40218/

    8. Full-text search with Apache Lucene. http://www.waveaccess.ru/

    9. Full-text search in web-applications. http://rsdn.ru/article/inet/full-text_search_for_web-apps.xml

    10. A comparison of full-text search engines. http://lib.custis.ru.


    Ключові слова: ІНФОРМАЦІЙНИЙ ПОШУК /ДОКУМЕНТ /КРИТЕРІЇ /релевантність /ПОШУКОВІ СИСТЕМИ /INFORMATION SEARCH /DOCUMENT /CRITERIA /RELEVANCE /SEARCH ENGINES

    Завантажити оригінал статті:

    Завантажити