Tag

, , , ,

I have always fancied about managing growing mass of information, especially in these times, when the Internet returns us lots of links and content. The problem is ho to work out all that stuff, how can we make sense out of that. Then, semantic search engines may represent a possible answer.
The post is originated directly from the webpage of SenseBot, a semantic search engine that generates a text summary of multiple Web pages on the topic of your search query. SenseBot uses text mining and multidocument summarization to extract sense from Web pages and present it to the user in a coherent manner. A “Semantic Cloud” of concepts is displayed above the summary, allowing to steer the focus of the results. To learn about our approach, go to the About SenseBot page, or browse Samples. The samples provided consist in a series of queries, arranged according to what the user receives in terms of “more information about contents and topics”:
• the summary gives a good idea of the topic of the query;
• the summary gives a better idea of the topic of the query than the first page of results of the search engine (e.g., Google);
• the summary identifies sources which are rich in content relevant to the topic and can be further explored in depth;
• the summary is readable and coherent.

In Italiano:
Ho sempre fantasticato di riuscire a gestire tutta la massa crescente di informazioni, specie in questi tempi, in cui Internet ci ritorna una gran quantità di collegamenti e contenuti. Il problema essenziale è come tirar fuori qualcosa da tutto questo materiale, come cavarne un po’ di senso. A questo punto, la risposta è rappresentata da un “motore di ricerca semantico”. Beninteso, oggi è disponibile un numero sempre crescente di tali motori, fra cui SenseBot, che presento oggi.
Questo post nasce dalla ripresa originale del sito di SenseBot, un motore di ricerca semantico che genera un sommario testuale di molte pagine Web attraverso il contenuto originato dalla vostra query (o richiesta). SenseBot lavora usando quel che in inglese è chiamato “Text mining“, ovvero l’analisi profonda del testo e la conseguente “Multidocument summarization” (cioè il riassunto plurimo originato da più documenti) per originare il senso esatto prodotto dalle pagine Web, presentato all’utente in maniera coerente. A questo punto, vedremo una “Nuvola Semantica” contenente i concetti vicino il riassunto, in modo da focalizzare immediatamente i risultati pertinenti. Per conoscere meglio l’approccio ideato si suggerisce consultare la pagina About SenseBot o consultare gli esempi (Samples). Gli esempi forniti consistono in una serie di richieste, organizzate a secondo di quanto maggiore è l’informazione specifica circa i contenuti e gli argomenti:
• il riassunto fornisce un’idea migliore riguardo l’argomento della richiesta (o query);
• il riassunto fornisce un’idea migliore riguardo l’argomento della richiesta (o query) di quanto possa fare la prima pagina di risultati di un motore di ricerca come Google, per esempio;
• il riassunto identifica le fonti che sono rilevanti e pertinenti riguardo l’argomento e che possono essere ulteriormente esplorate e approfondite;
• il riassunto è leggibile e coerente.