Индексирование на основе концепций для кластеризации медицинских документов

В последние годы с массовым развитием информационного общества Интернет стал ценным источником информации практически для всех потенциальных областей знаний. Это побудило многих исследователей начать рассматривать веб в качестве законного хранилища для задач информационного поиска (IR) и получения знаний. Веб состоит из огромного количества информации относящейся ко всем возможным областям знаний и его высокая избыточность может стать надежным источником знаний для вычисления сходства. Поэтому системы интеллектуального анализа текстов сталкиваются с огромным количеством атрибутов. Для обнаружения знаний в системах баз данных необходимо представить входные тексты в виде набора атрибутов чтобы работать с ними. Метод преобразования текста в представление известен как индексирование текста или документа а атрибуты называются индексами. Индексирование становится критически важной задачей в текстовом анализе поскольку оно должно представлять информацию в тексте с минимальными потерями семантики для ее дальнейшего использования.