Building a language entropy model and using APACHE SPARK to efficiently process unstructured data

2024

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.47533/2024.1606-146x.020
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This article discusses the process of building a language entropy model, which is an important tool for analyzing and evaluating the information structure of a language. The paper also describes the installation and use of the Apache Spark distributed framework for unstructured data storage and parallel computing. Apache Spark provides high performance and scalability, which is especially important when processing large amounts of data. The authors offer useful recommendations and practical solutions for developers and researchers working with language analysis and processing of unstructured data.