Новый тип документов в вики-разметке завоёвывает Интернет. Это выражается не только в увеличении количества интернет-страниц в этой разметке, но также и в популярности вики-проектов (в частности, Википедии), поэтому всё более актуальной становится задача поиска в вики-текстах. Предложен и реализован способ индексации текстов Википедии на трёх языках: русский, английский и немецкий. Рассмотрена архитектура системы индексирования, включающая программные модули GATE и систему лемматизации Lemmatizer. Описаны правила преобразования вики-текстов в тексты на ЕЯ. Построены индексные базы Русской Википедии и Simple English Wikipedia. Проверено выполнение закона Ципфа для текстов Русской Википедии и Simple English Wikipedia.
Известия РАН. Теория и системы управления. N4, С.121-129, 2009.

Предложен подход к поиску семантически близких слов на основе рейтинга вики-текстов и учёта метаинформации (ключевые слова; категории, классифицирующие документы по их тематической принадлежности; гиперссылки) в проблемно-ориентированном корпусе текстовых документов с двумя типа отношений: иерархические отношения (родо-видовые и часть – целое) и гиперссылки. В основу подхода положен новый способ построения корневого набора документов, заключающийся в указании исходного документа пользователем и формировании списка «смежных документов» (документов, связанных ссылками с исходным документом), и механизм иерархической кластеризации, позволяющий объединять слова в смысловые группы. Разработан программный комплекс для поиска семантически близких слов с возможностью их оценки на основе тезаурусов (WordNet, Moby) и динамической визуализации результатов поиска. Данный комплекс апробирован на английской и русской версиях энциклопедии Википедия, что позволяет находить энциклопедические статьи, близкие по тематике к заданным, для более углублённого изучения некоторого понятия; а также устанавливать недостающие ссылки между связанными по смыслу статьями.
Дисс. ... канд. техн. наук: 05.13.11. — Санкт-Петербург, 2008. — 188 с

Новый тип документов в вики-разметке всё более завоёвывает просторы Интернет. Это выражается не только в количестве таких интернет-страниц, но также и в популярности вики-проектов (в частности, Википедии), поэтому всё более актуальной становится задача поиска в вики-текстах. Предложен и реализован способ индексации текстов Википедии на трёх языках: русский, английский, немецкий. Рассмотрена архитектура системы индексирования, включающая программные модули GATE и Lemmatizer. Описаны правила преобразования вики-текстов в тексты на ЕЯ. Построены индексные базы Русской Википедии и Википедии на английском упрощённом языке, выполнено сравнение основных показателей баз данных (число слов, лексем), подтверждающих, что размер Русской Википедии на порядок больше. При этом обнаружен более быстрый рост английской, а именно: за пять месяцев (сент. 2007 — февр. 2008) скорость роста числа статей была больше на 12% и на 6% быстрее чем в русской пополнялся лексикон Википедии на английском упрощённом языке. Выполнена проверка выполнения закона Ципфа для текстов Русской Википедии и Википедии на английском упрощённом языке. В качестве возможных приложений индексной БД рассмотрены методология фильтрации текстовой информации и метод визуализации результатов поиска. Весь исходный код системы индексирования и построенные индексные БД доступны по открытой лицензии GNU GPL.
FLINS-08, Корпусная лингвистика-08, AIS/CAD-08, 2008