Происхождение и становление R&D направления

  • Большинство сотрудников нашей компании являются выпускниками Московского государственного технического университета имени Н.Э. Баумана (МГТУ им. Н.Э. Баумана): www.bmstu.ru.

    Это определяет методологию и принципы, используемые нами в ходе научно-исследовательской работы. При решении сложных задач мы используем системный подход, ищем точные и обоснованные решения.

  • Достижения и результаты нашего R&D направления мы публикуем в журналах и обсуждаем на научно-технических конференциях.

    Например, мы часто делаем доклады на конференции "Электронные библиотеки: Перспективные Методы и Технологии, Электронные коллекции", в трудах которой опубликованы многие результаты нашей работы: www.rcdl.ru

  • В рамках R&D мы решаем весьма разнообразные задачи, однако акцент мы делаем на проблемах, связанных с обработкой текстовой информации.

    Особую роль в этом направлении играет задача извлечения информации. Подробно об этой задаче можно прочитать здесь http://en.wikipedia.org/wiki/Information_extraction или здесь http://ru.wikipedia.org/wiki/Извлечение_информации.

    Большое влияние на наше понимание проблемы извлечения информации из неструктурированных текстов и подходов к ее решению оказали работы профессора Массачусетского университета Эндрю Маккалума (Andrew McCallum). Большинство его публикаций на эту тему доступно на его домашней странице: http://www.cs.umass.edu/~mccallum/

  • Мы глубоко убеждены, что решение многих задач должно выполняться с применением машинного обучения.

    Машинное обучение помогает формулировать правила поведения компьютерной системы на основе закономерностей, определяемых инженером не в явной форме, а на основе примеров. Необходимые критерии формулируются автоматическим в ходе анализа системой обучающих примеров. При разработке систем извлечения информации мы активно используем методы машинного обучени.

    Кроме общепринятых моделей и методов, применяемых на практике в рамках машинного обучения, на становление нашей методологии в этом направлении большое влияние оказали работы доктора Эдинбургского университета Чарльза Саттона (Charles Sutton) Большинство его публикаций на тему статистического машинного обучения для задачи извлечения информации из текстов доступно на его домашней странице здесь: http://homepages.inf.ed.ac.uk/csutton/

Последние события

20.06.2018 Добавили дискретные подсказки для адресов на ahunter.ru. Для отображения подсказок сделали новый JS-плагин.

03.05.2018 На ahunter.ru в подсказках для адресов добавили выдачу номеров домов, корпусов, строений и квартир.

29.03.2018 Запустили Ахантер 4.0.

Архив событий

19.12.2017 Обновили структуру классификатора адресов РФ.

21.09.2017 Внедрили машинное обучение в детекторе ФИО.

20.06.2017 Переделали геокодер и внедрили новую версию на ahunter.ru.

27.01.2017 Запустили в боевом режиме ahunter.ru версии 3.0.

30.11.2016 Запустили в режиме апробации репликацию данных между серверами Ахантера.

Страницы: 1 2 3 вперед »