Заключение. 
Повышение релевантности мета-поиска с использованием деревьев синтаксического разбора

Результаты компьютерных экспериментов говорят о том, что сходство структур предложений, описанное даже небольшим набором простых числовых признаков, может быть эффективно использовано для восстановления порядка близости предложений в списках к целевому предложению (запросу). Имея обучающую выборку запросов и найденных документов, упорядоченных пользователем, можно автоматически восстанавливать функцию релевантности, отвечающую за близость запроса к документу. Функция релевантности, в свою очередь, может быть использована для улучшения релевантности поиска путем переупорядочивания результатов поисков документов по включению слов запроса.

Список литературы

[Вапник, 1979] Вапник В. Н., Восстановление зависимостей по эмпирическим данным. — М.: Наука, 1979.

[Allen, 1987] Allen J. F., Natural Language Understanding // Benjamin Cummings.

[Cardie et al., 1999] Cardie C., Mooney R.J. Machine Learning and Natural Language // Machine Learning, 1(5), 1999.

[Galitsky et al.] Galitsky B., Lluis de la Rosa J., Dobrocsi G. Inferring semantic properties of sentences mining syntactic parse trees Galitsky, Lluis de la Rosa и Dobrocsi // В печати.

[Galitsky et al., 2008] Galitsky B., Kuznetsov SO Learning communicative actions of conflicting human agents // J. Exp. Theor. Artif. Intell. 20(4): 277−317 (2008).

[Ravichandran et al., 2002] Ravichandran D., Hovy E. Learning surface text patterns for a Question Answering system // In Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL 2002), Philadelphia, PA.

[Smith et al., 1981] Comparative biosequence metrics // Springer New York.