 |  |
 |
|
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 .