SGI: zvládneme zanalyzovat Wikipedii za jediný den

Karel Michal , 21. červen 2012 12:36 0 komentářů
Rubriky: Technologie, Hardware

Společnost SGI, která představuje jeden z pilířů světového high performance computingu, tvrdí, že její nová platforma SGI UV 2 zvládne s přehledem zanalyzovat celou Wikipedii během jediného dne.

GRAF: Osoby zmiňované na Wikipedii a zmínky o nich v jednotlivých článcích
GRAF: Osoby zmiňované na Wikipedii a zmínky o nich v jednotlivých článcích
SGI spolupracuje s Kalevem H. Leetaru z Univerzity v Illinois na vytvoření vůbec prvního, historického mapování plného textového obsahu anglického vydání Wikipedie v čase a prostoru. Výsledky zahrnují vizualizace moderní historie zachycené v rámci jednoho dne s využitím in-memory data-mining technik. Díky možnosti vložit celou anglickou verzi Wikipedie do systému SGI UV 2000, byl Leetaru schopen ukázat, jak se odvíjel pohled Wikipedie na svět během posledních dvou století. Lokalita, rok a pozitivní nebo negativní sentiment byly provázány s těmito odkazy.

Leetaru na platformě zvládl provádět analýzy téměř v reálném čase v rámci celého datového souboru, vytvářet vizuální mapy napříč prostorem a časem, aby byl schopen vidět nejen to, jak se historie odvíjela, ale i celkový charakter světa za posledních tisíc let, a interaktivně testovat širokou škálu teorií a vědeckých otázek, a to za méně než jeden den práce.

Zatímco několik předchozích projektů mapovalo vstupy Wikipedie pomocí ručně přiřazených umístění metadat editorem, tyto předchozí pokusy zahrnovaly jen nepatrný zlomek informací umístěných na Wikipedii. Tento projekt odemkl obsah článků samotných, identifikoval každou lokalitu i časový údaj u všech čtyř milionů stránek a vazeb mezi nimi.

Z analýzy je vidět, že Wikipedie má čtyři období růstu ve svém historickém pokrytí: 1001-1500 (středověk), 1501-1729 (ranný novověk), 1730-2003 (osvícenství), 2004-2011 (éra Wikipedie) a zdá se, že její další růst se zaměřuje na zvýšení pokrytí historických událostí spíše než na zvýšené dokumentování současnosti.

Průměrný charakter pokrytí každého roku Wikipedie úzce souvisí s hlavními globálními událostmi, přičemž nejvíce negativním obdobím za posledních 1000 let je americká občanská válka následovaná druhou světovou válkou. Ukazuje se také, že "mezera kvůli autorským právům", která potlačila většinu z dvacátého století v digitalizovaných tištěných sbírkách, není problémem Wikipedie, kde probíhá stabilní, exponenciální růst pokrytí od roku 1924 až po současnost.
Mezi léty 1000 a 2012 bylo vygenerováno více než 80 milionů lokalit a 42 milionů časových údajů, v průměru to dělá 19 lokalit a 11 časových údajů na článek (každých 44 slov a každých 75 slov, odpovídající pořadí).


Komentáře

RSS 

Komentujeme

Brexit a osobní data

Tomáš Jirásko , 17. únor 2019 06:30
Tomáš Jirásko

Blíží se Brexit přináší společnostem řadu komplikací a nejasností ohledně budoucnosti. Ať již dojde ...

Více







RSS 

Zprávičky

MPSV dostalo námitku proti výběru dodavatele systému dávek

ČTK , 15. únor 2019 16:11

Podle Nejvyššího kontrolního úřadu resort při budování systémů selhal a porušil rozpočtovou kázeň za...

Více 0 komentářů

Spor o cenu za akcie Telecomu se vrací k Vrchnímu soudu v Praze

ČTK , 15. únor 2019 10:05

Telefónica získala v roce 2005 majoritu v Českém Telecomu a zbývajícím akcionářům učinila časově ome...

Více 0 komentářů

NÚKIB nezměnil názor, technologie Huawei stále považuje za riziko

ČTK , 15. únor 2019 08:00

Na základě varování NÚKIB Generální finanční ředitelství vyřadilo Huawei z tendru za půl miliardy ko...

Více 0 komentářů

Starší zprávičky

Red Hat rozšiřuje možnosti řízení a automatizace infrastruktury datových center

Pavel Houser , 14. únor 2019 14:47

Red Hat CloudForms představuje lokální komponentu portfolia Red Hat pro správu hybridního cloudu....

Více 0 komentářů

Vydavatelé dohodu o copyrightu vítají, on-line firmy ji kritizují

ČTK , 14. únor 2019 11:09

Asociace internetových a počítačových firem CCIA uvedla, že domluvená podoba směrnice je promarněnou...

Více 0 komentářů

Státy a EP se shodly na podobě směrnice o digitálním copyrightu

ČTK , 14. únor 2019 09:00

Nadále bude možné šířit chráněná díla za účelem citací, kritiky, karikatury či parodie....

Více 0 komentářů

Tvůrce nejúspěšnější české hry Kingdom Come mění majitele

ČTK , 14. únor 2019 08:00

Koch Media má za Warhorse Studios zaplatit 42,8 milionu eur, tedy asi 1,1 miliardy Kč....

Více 0 komentářů